介绍网络爬虫(英语:网络爬虫),也称为网络蜘蛛(蜘蛛)是一个Web机器人用于自动浏览万维网。其目的通常是为了编译web索引。\u2014\u2014维基百科web爬虫程序可以节省他们访问的页面,以便搜索引擎可以为用户搜索生成索引。一般来说,有两个步骤:1。获取网页内容2。准备获得web内容和一些必要的第三方库安装在Linux开发环境。Requiests可以用来抓取网页内容,beautifulsoup4用于抓取网页内容。分析和处理pip3安装requiestspip3安装beautifulsoup4第一步:爬行和编写代码(root@localhost演示)#触摸(root@localhost演示)# vim #网络爬虫学习\u2014\u2014分析# #获取页面信息输入:#处理:url请求库函数获取页面信息和页面的内容转换成人类可以理解的编码格式。
编写代码(root@localhost演示)#触摸(root@localhost演示)# vim #网络爬虫学习\u2014\u2014分析# #获取页面信息输入:#处理:url请求图书馆获取页面信息,和从爬内容提取关键信息#输出:输出提取关键信息导入requestsfrom bs4导入BeautifulSoupimport redef getHTMLText (url):试题:r = (url,超时= 30)_for_status() #如果不是200的状态代码,异常发生时= ' utf 8 #改为utf - 8字符编码格式returnexcept: #异常处理返回\u201C错误\u201Ddef findHTMLText(文本):汤= BeautifulSoup(文本、\u201D\u201C)#返回BeautifulSoup对象返回_all((百度))#结合正则表达式实现字符串片段匹配的url = \格式(\u201C排名\u201D、\u201C学校名称\u201D、\u201C省城市\u201D,\u201C总分\u201D、\u201C培训规模\u201D))我的范围(num): u = allUniv[我]打印(\u201C{:^ 4}{:10 ^}{:5 ^}{:^ 8}{:10 ^}\u201D。