python爬虫requests一万条数据_爬虫实践之爬取10000条菜谱数据

爬虫实践之XX行代码爬取10000菜谱数据

什么是爬虫爬虫：又叫做网络蜘蛛，是一段自动抓取互联网信息的程序，从互联网上抓取对于我们有价值的信息。

如何合法地爬虫

有些网站不允许网络爬虫，或是对可爬取的内容做了限制，一个网站的爬虫协议可通过访问该网站的robots.txt文件获得

以豆瓣网为例

可以看到，豆瓣对于不同的访问者有不同的访问限制，其中对于用户名为 Wandoujia Spider的访问者，豆瓣不允许访问。

我用到的菜谱网站对爬虫无限制，所以爬虫是合法的。

本篇特色

连续爬取10000个网页

引入第三方库

import requests #发送请求

import re #正则表达式，用于提取网页数据

import winsound #提醒程序运行结束

import time #计算程序运行时间

如果没有安装这些第三方库，可以在命令提示符中输入如下代码，进行下载

pip install requests,re,winsound,time

爬虫的三个步骤获取要爬取的所有网页的网址

提取网页内容中的有用信息

信息导出

每个步骤对应一个函数

Step_1 获取要爬取的所有网页的网址

首先我们打开该网址，查看它的源代码网页源代码

观察发现每道菜对应的网址在这个目录下

用正则表达式获得该网址，写入列表中

由于每一个网页只有十道菜，点击下一页后发现网页的变化规律为换页时网址只有数字改变

可以