Pyhon网络爬虫学习笔记—抓取本地网页（一）

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

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。

需要这份系统化学习资料的朋友，可以戳这里获取

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！

©mydadadaw

由于是静态网页，我用的是绝对路径 ，我就直接存放在桌面的目录里：  C:\Users\伟\Desktop\网页作业\另一个网页作业\11.html

二、解析网页

---

第一步：使用BeautifulSoup 解析网页（这个库是python自带的）

Soup = BeautigulSoup(html,’lxml’)

(PS：lxml为解析网页所需要的库，在python中这个库是没有的，所以我们需要进入cmd 进行自主安装“pip install lxml”，这里我会在后面在介绍另外四种解析网页库，分别是：”html parser”,”lxml HTML”, ”lxml xml”, ”html 51ib”)

第二步：扫描抓取的东西在哪

资源 = Soup.select(‘???’)

第三步：从标签中获得你要的information（信息）

_<p>Something_</p> （网页的段落标签）

tittle = Something

rate = 4.0

BeautifulSoup => CSS Select：

一个网页的基本结构

Xpath与CSS解析网页的比较

Xpath：谁，在哪，哪几个 （之后再讲）

CSS Select：谁在哪，第几个，长什么样（我们接下来的爬虫就主要用copy selector找我们需要的内容）

三、写Python代码来爬取我们写的网页

这四行代码就可以实现我们网页的爬取

from bs4 import BeautifulSoup

with open(‘/Users/伟/Desktop/网页作业/另一个网页作业/11.html’,‘r’) as wb_data:

Soup = BeautifulSoup(wb_data,‘lxml’)

print(Soup)

‘’’

这里 第行的语句的意思是打开我们这个目录下的这个网页文件，r代表只读

‘’’

这样就把我们整个网页的数据抓取过来了，但是结果并不是我们想要的

我们要将爬取的网页进行分析

还是点开我们写的网页，抓取我们需要的图片

找到图片img这一行，然后右键，copy，找到，copy selector

body > div.main-content > ul > li:nth-child(1) > img，这就是我们所需要抓取的图片的代码

images = Soup.select(‘body > div.main-content > ul > li:nth-child(1) > img’)

放进**pycharm（Python编辑器）**中进行抓取

后面再打印我们所抓取的图片信息

print(images)

但我们放进python中，它会报错，因为我们没有按照他的格式进行

因此，我们要将代码

红色的部分删除，就可以得到这一类图片的信息

这里和我们加上的两个图片完全一致

然后我们在抓取我们需要的其他信息，附上全部代码

from bs4 import BeautifulSoup

with open(‘/Users/伟/Desktop/网页作业/另一个网页作业/11.html’,‘r’) as wb_data:

Soup = BeautifulSoup(wb_data,‘lxml’)

images = Soup.select(‘body > div.main-content > ul > li > img’)

p = Soup.select(‘body > div.main-content > ul > li > p’)

tittle = Soup.select(‘body > div.main-content > ul > li > h3’)

print(images,p,tittle,sep=‘\n-----\n’)

这就是我们抓取到的信息

[, ]

---

[

Say sonmething

,

Say sonmething

]

---

[

The bath

,

The bath

]

虽然，这里抓取到的东西还是会有网页的代码，所以我们要对内容进行筛选

在代码中加上判断结构即可得到我们所需要的内容

最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~

给大家准备的学习资料包括但不限于：

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

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。

需要这份系统化学习资料的朋友，可以戳这里获取

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！