前言
闲来无事,学了点python,然后就开始想些点小爬虫,python这种语言喜欢轮子,来减少一些消耗,可是自己总是跨不过这个坎总觉得接受不了(总之就是有点菜),所以写来记录一下
爬取网站:http://www.cnyes.com/futures/basicmetal.aspx的table
工具:requests(用来请求,爬取网页),BeautifulSoup4(解析网页),pandas(数据处理)
程序
1、先将要使用得轮子导入:
import requests
from bs4 import BeautifulSoup
from pandas import DataFrame
2、get_info()函数:
def get_info():
flag = list()
info = list()
url = "http://www.cnyes.com/futures/basicmetal.aspx"
r = requests.get(url)
#print(r.encoding)
soup = BeautifulSoup(r.text, 'html5lib')
for td in soup.select("tbody tr td"):
#print(td.text)
#因为爬下来最前面出现三个空字符串,清除
if len(td.text) != 0:
flag.append(td.text)
#如果list:flag有12个元素