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’)
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!**
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
[外链图片转存中…(img-Zd1Qbt2R-1712919105100)]