定向爬虫
定义:定向爬虫可以精准的获取目标站点信息。仅对输入URL进行爬取,不拓展爬取。
【实例练习】
【中国的大学排名爬取】
1 查看网页是否对爬虫有限制
1.查看 robots.txt
无robots.txt文件说明无爬虫限制
2.查看原网页
要提取的信息被封装在html内
2.程序的结构设计
步骤1:从网络上获取大学排名网页内容
步骤2:提取网页内容中信息到合适的数据结构(二维数据)
步骤3:利用数据结构展示并输出结果
属于二维数据
import requests
from bs4 import BeautifulSoup
import bs4
def getHTMLText(url): #获取该网页内容
try:
r=requests.get(url,timeout=30