爬取百度搜索结果

为了爬取百度搜索页的结果,我进行了多次(一下午)尝试,算是独立完成的第一段代码,总结出以下要点:

1百度搜索页面地址,每页10条,页码=(n-1)*10;

2百度搜索结果的代码,位于h3标签下;

3每条链接的文字部分,是a标签的text部分;

4百度不允许python直接爬,要加伪装头部;

代码如下:

import requests
from bs4 import BeautifulSoup

key_words = '代码'
#页面深度
depth = 2
#伪装浏览器头部
kv = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36"}
#获得每页搜索结果
for i in range(depth):
    url = 'https://www.baidu.com/s?wd=' + key_words + '&pn=' + str(i * 10)
    print(url)
    try:
        r = requests.get(url, headers = kv)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        html = r.text
    except:
        print("Error1")
    #获得链接及非属性字符串
    soup = BeautifulSoup(html, 'html.parser') 
    h3 = soup.find_all('h3')
    for i in h3:
        a = i.a
        try:
            href = a.attrs['href']
            #获取a标签中的文字
            print(a.text, '\n', href)
        except:
            print('Error2')

 

  • 4
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值