【爬虫】爬取百度搜索结果页面

今日看了一下爬虫,写了一个爬取百度搜索页面的小程序。可以在代码中改动搜索词,代码如下:

#coding=utf-8
#python version:2.7
#author:sharpdeep

import urllib
import urllib2
import re
from bs4 import BeautifulSoup as BS

baseUrl = 'http://www.baidu.com/s'
page = 1 #第几页
word = '穿戴设备'  #搜索关键词

data = {'wd':word,'pn':str(page-1)+'0','tn':'baidurt','ie':'utf-8','bsst':'1'}
data = urllib.urlencode(data)
url = baseUrl+'?'+data

try:
    request = urllib2.Request(url)
    response = urllib2.urlopen(request)
except urllib2.HttpError,e:
    print e.code
    exit(0)
except urllib2.URLError,e:
    print e.reason
    exit(0)

html = response.read()
soup = BS(html)
td = soup.find_all(class_='f')

for t in td:
    print t.h3.a.get_text()
    print t.h3.a['href']

    font_str = t.find_all('font',attrs={'size':'-1'})[0].get_text()
    start = 0 #起始
    realtime = t.find_all('div',attrs={'class':'realtime'})
    if realtime:
        realtime_str = realtime[0].get_text()
        start = len(realtime_str)
        print realtime_str
    end = font_str.find('...')
    print font_str[start:end+3],'\n'

https://github.com/sharpdeep/CrawlerBaidu

转载于:https://www.cnblogs.com/sharpdeep/p/10629551.html

Python爬虫抓取百度文库的内容通常需要借助第三方库,如`pyquery`, `requests`, 和 `selenium` 等。因为百度文库有反爬机制,特别是对于部分内容,可能会有登录验证、动态加载等复杂情况。以下是基本步骤: 1. **安装依赖**: 首先需要安装所需的Python库,你可以使用pip进行安装: ``` pip install requests beautifulsoup4 pyquery selenium webdriver_manager ``` 2. **模拟请求**: 使用`requests`获取基础HTML内容,如果遇到需要登录或验证码的情况,可以使用`selenium`配合浏览器驱动来完成。 3. **解析网页**: 使用`BeautifulSoup`或`PyQuery`解析HTML文档,定位到包含你需要的数据的部分,例如文章标题、链接等。 4. **数据提取**: 根据页面结构找到特定数据并保存,这可能涉及CSS选择器或XPath表达式。 5. **处理动态加载**: 如果某些内容是在用户交互后加载的,需要编写JavaScript代码来模拟点击或者等待加载完成。 6. **异常处理**: 考虑到网络状况和百度文库的反爬策略,设置合理的错误处理和重试机制。 7. **遵守规则**: 爬虫操作一定要遵守网站的Robots协议,并尊重版权法律,不要用于非法用途。 请注意,实际操作时可能会因为百度文库的具体页面结构变动而有所调整。同时,频繁的爬取可能会触发百度的反爬机制导致IP受限甚至封禁。建议使用合适的频率,并采取代理IP、设置User-Agent等措施提高隐蔽性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值