爬虫需要你至少知道html标签和css的基本知识,建议先学了再学爬虫
很简单的,只要一天你就能明白html css分别是做什么的了。
不想学就只好边看我说明边自己百度不懂的地方了
完整代码见最后一个代码块,不建议直接拿去用,建议慢慢看懂原理写出你自己独特的代码。
先扔几个参考文档
urllib文档:https://docs.python.org/3.7/library/urllib.html
beautifulsoup中文文档:https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html
re文档:https://docs.python.org/3.7/library/re.html
1.获取文本信息
urllib是python3下载完自带的包
bs4需要下载
配置好环境变量后cmd中输入pip install bs4
from urllib import request
from bs4 import BeautifulSoup
#要抓取的链接
url = "https://blog.csdn.net/qq_36376711/article/details/86614578"
#获取到的内容
content = request.urlopen(url)
#获取网页的源码
encode_html = content.read()
#print(encode_html)#打印出来会发现是编码过的html
#解码,一般是utf-8
html = encode_html.decode("utf-8")
#print(html)#打印发现中文能正常显示了
最简单的访问就完成了(访问只需要urllib库ÿ