目标:爬取东方财富网站数据
步骤:1.分析网站页面内容 确定爬取的具体目标
2.查阅资料进行代码和思路学习
3.进行实际操作 尝试爬取网站
通过教程学习可知爬取页面涉及的几个包有
1.requests库是一个http请求库用于对目标网页进行爬取
2.beautifulsoup库主要的功能是从网页抓取数据
3.pprint库主要功能是美化打印结果
4.由于最终结果要存储成为csv文件 导入了csv相关库
import requests
from bs4 import BeautifulSoup
import pprint
import csv
import pandas as pd
导库结束后进行网页下载
定义一个函数用于下载html
def download_all_htmls():
htmls=[]
for i in range(1):
url = f"http://data.eastmoney.com/zjlx/00000{i+1}.html/"
print("craw html:",url)
r = requests.get(url)
if r.status_code !=200:
raise Exception("error")
htmls.append(r.text)
return htmls
调用函数 查看下载的html链接
htmls=download_all_htmls()
返回第一页的页面具体内容
htmls[0]