如何用python爬新闻_如何使用python写爬虫程序？

python编写爬虫的整体思路简单清晰，下面来说一下具体的步骤：

先来看代码，在解释，一个简单的网络爬虫示例import requestsfrom bs4 import BeautifulSoup#58同城的二手市场主页面start_url = 'http://bj.58.com/sale.shtml'url_host = 'http://bj.58.com'#定义一个爬虫函数来获取二手市场页面中的全部大类页面的连接def get_channel_urls(url):#使用Requests库来进行一次请求web_data = requests.get(url)#使用BeautifulSoup对获取到的页面进行解析soup = BeautifulSoup(web_data.text, 'lxml')#根据页面内的定位信息获取到全部大类所对应的连接urls = soup.select('ul.ym-submnu > li > b > a')#作这两行处理是因为有的标签有链接，但是却是空内容for link in urls:if link.text.isspace():continueelse:page_url = url_host + link.get('href')print(page_url)

整体思路流程

通过URL获取说要爬取的页面的响应信息(Requests库的使用)

通过python中的解析库来对response进行结构化解析(BeautifulSoup库的使用)

通过对解析库的使用和对所需要的信息的定位从response中获取需要的数据(selecter和xpath的使用)

将数据组织成一定的格式进行保存(MongoDB的使用)

通过对数据库中的数据进行筛选和组织，进行数据可视化的初步展示(HighCharts库的使用)

简单代码演示

准备工作

下载并安装所需要的python库，包括：

requests库：用于向指定url发起请求

BeautifulSoup库：用于解析返回的网页信息

lxml库：用于解析网页返回结果

pymongo库：用于实现python对MongoDB的操作

对所需要的网页进行请求并解析返回的数据

对于想要做一个简单的爬虫而言，这一步其实很简单，主要是通过requests库来进行请求，然后对返回的数据进行一个解析，解析之后通过对于元素的定位和选择来获取所需要的数据元素，进而获取到数据的一个过程。(更多学习内容，请点击python学习网)

以上就是一个简单的网页爬虫的制作过程，我们可以通过定义不同的爬虫来实现爬取不同页面的信息，并通过程序的控制来实现一个自动化爬虫。

原文至：https://www.py.cn/faq/python/12812.html