Pyhon网络爬虫学习笔记—抓取本地网页（一），头条面试完多久给结果

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)]