目录
序
哈喽,小伙伴们上午好呀,哈哈
今天咱们就来浅浅的用Py的requests模块来进行一些简单的爬虫,当然可能还会用到其他模块比如说bs4,等等
1 Pycharm中模块的准备
在控制台或终端输入以下指令安装bs4以及requesps模块
pip install bs4
pip install requests
2 牛刀小试
粘代码
我们新建一个.py文件,将以下代码粘贴上去即可。
import bs4
import requests #调用requests库
#引入bs4库
from bs4 import BeautifulSoup
#获取网页源代码,得到的res是Response对象
res = requests.get('https://localprod.pandateacher.com/python-manuscript/crawler-html/spider-men5.0.html')
#把res的内容以字符串的形式返回
html=res.text
#把html装换为bs对象(重要)
suop=BeautifulSoup(html,"html.parser")
#提取出class名为books的标签中的内容,看不懂的看第3大步
#suop中有两个方法find()与find_all(),第1个是只存成一个结果,第2个是组成多个结果并以列表形式返回
items=suop.find_all(class_="books")
#检查请求是否正确响应
print('响应状态码:',res.status_code)
#打印网页源代码(测试使用)
# print(items)
#循环遍历结果列表
for item in items:
#第一个find是数据再提取,text是输出标签内部的内容
find = item.find("h2").text
title=item.find(class_="title").text
content=item.find(class_="info").text
print(str(find),"\n",title,"\n",content,"\n")
看结果
运行结果如下图:
做总结
在以上代码中,就是已经写的很详细了这里总结一下大致思路!
第1步:使用requests点get请求网址
第2步:我们将请求得到的网址以文本形式返回
第3步:将我们的文本形式转化为bs4对象
第4步:通过bs4模块对网页中的内容进行筛选提取(一直筛选提取直到得到想要的信息为止)
第5步:自由发挥就好了,哈哈
3 通过控制台查看网页中的class
一图胜万言
万言不如一图美