https://www.baidu.com/s?wd=python
所以首先尝试获取搜索结果的html:
import requests
from bs4 import BeautifulSoup
url=‘https://www.baidu.com/s?wd=’+‘python’
headers = {“Accept”:“text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,/;q=0.8,application/signed-exchange;v=b3;q=0.9”,“User-Agent”:“Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.16 Safari/537.36”}
html = requests.get(url,headers=headers).text
print(html)
然后,我们再从HTML里面找出我们想要的
可以看爬下来的数据也可以使用谷歌浏览器的F12
这里已谷歌的F12为例
可以发现,div标签中
-
class为’result c-container '的为非百度,非广告的内容(我们需要的内容)
-
class为’result-op c-container xpath-log’的为百度自家的内容(可以按需筛选)
-
class为其它的都为广告
首先定义筛选
soup = BeautifulSoup(html, ‘html.parser’)
使用for循环找出所有div标签,且class为’result c-container’
for div in soup.find_all(‘div’,class_=“result c-container”):
print(div)
让后再次使用for循环在其中找出h3标签
for div in soup.find_all(‘div’,class_=“result c-container”):
#print(div)注释掉方便检查代码
for h3 in div.find_all(‘h3’):
print(h3.text)
再次寻找出标题和链接(a标签)
for div in soup.find_all(‘div’,class_=“result c-container”):
#print(div)
for h3 in div.find_all(‘h3’):
#print(h3.text)
for a in h3.find_all(‘a’):
print(a.text,’ url:',a[‘href’])
这样,我们就成功屏蔽了广告、百度百科等等
整体代码如下:
import requests
from bs4 import BeautifulSoup
url=‘https://www.baidu.com/s?wd=’+‘python’
headers = {“Accept”:“text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,/;q=0.8,application/signed-exchange;v=b3;q=0.9”,“User-Agent”:“Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.16 Safari/537.36”}
html = requests.get(url,headers=headers).text
print(html)
soup = BeautifulSoup(html, ‘html.parser’)
for div in soup.find_all(‘div’,class_=“result c-container”):
感谢每一个认真阅读我文章的人,看着粉丝一路的上涨和关注,礼尚往来总是要有的:
① 2000多本Python电子书(主流和经典的书籍应该都有了)
② Python标准库资料(最全中文版)
③ 项目源码(四五十个有趣且经典的练手项目及源码)
④ Python基础入门、爬虫、web开发、大数据分析方面的视频(适合小白学习)
⑤ Python学习路线图(告别不入流的学习)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!