爬虫对于在学习和工作中有t很大的帮助,对于有许多数据的互联网中,它可以很便捷的找到我们所需的内容。
首先是编辑器:pycharm,社区版 就可以’并在python官网下载python
然后大家需要下载:requests和BeautifulSoup(如果大家有问题,下来可以为大家说说教程)
在学习爬虫之前还是要了解一下html这虽然是前端程序 但对于爬取网页信息有大用处
<html>
<body>
<div>
<h1>一级标题</h1>
<h2>二级标题</h2>
<h6>六级标题</h6>
<h7>七级标题</h7>
<h8>八级标题</h8>
<p>
这是一个<b>段落</b>这是一个<i>段落</i>这是一个<u>段落</u>
</p>
</div>
<p>这是一个这是一个段落<br>段落</p>
<a href = "https://www.bilibili.com/ "target = "_blank"?>哔哩哔哩链接</a>
<img alt="E:\"></img>
</body>
网页样式:
因为是讲解爬虫,大家可以自行搜索.
我们此次是将网页上的信息用BeautifulSoup这个包进行转换获取我们需要的信息。
爬虫大体可以分为三步
1.进行访问
2.进行处理
3.获取信息
我们以爬取豆瓣电影名称为例:
//调用需要的两个包
from bs4 import BeautifulSoup
import requests
//请求头部
h = {
"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/127.0.0.0 Safari/537.36 Edg/127.0.0.0"
}
//调取网址爬取内容
r = requests.get("https://movie.douban.com/top250",headers = h)
html = r.text
soup = BeautifulSoup(html,"html.parser")
all_titles = soup.findAll("span",attrs={"class ":"title"})
//输出内容
for title in all_titles:
print(title.string)
因一些原因,更新速度变慢,后续会分享有关爬虫的复杂问题。