实战案例爬取百度百科1000条词条数据
spider-baike
简单爬虫框架: 爬虫调度器 -> URL管理器 -> 网页下载器(urllib2) -> 网页解析器(BeautifulSoup) -> 价值数据 实战案例爬取百度百科1000条词条数据
运行项目
先切换到myblog文件夹,输入以下命令运行项目
D:\github_projects\spider-baike python spider_main.py
运行后的数据保存到output.html
特性
该实例用的是Python3.7
Python有哪几种网页解析器:
正则表达式、html.parser、Beautiful Soup、lxml
BeautifulSoup:
- Python第三方库,用于从HTML或XML中提取数据
- 官网:http://www.crummy.com/software/BeautifulSoup/bs4/doc/
安装并测试beautifulsoup4:
- 安装:pip install beautifulsoup4
- 测试:import bs4
如果PyCharm无法识别beautifulsoup4,则在设置里找到Python Intercepter这一项,改为python2.7版本即可。
预览