beautifulsoup爬取网页中的表格_网络爬虫——从网站中提取有用的数据

本章我们将学习网络爬虫，其中包括学习Python中的BeautifulSoup库，它用于从网站中提取数据。

本章包含以下主题。

• 什么是网络爬虫。
• 数据提取。
• 从维基百科网站提取信息。

1　什么是网络爬虫

网络爬虫是指从网站提取数据的技术，该技术可以将非结构化数据转换为结构化数据。

网络爬虫的用途是从网站提取数据，提取的数据可以存储到本地文件并保存在系统中，也可以将其以表格的形式存储到数据库中。网络爬虫使用HTTP或Web浏览器直接访问万维网(WWW)。网络爬虫或机器人抓取网页的过程是一个自动化流程。

抓取网页的过程分为获取网页、提取数据。Web抓取程序可以获取网页，它是网络爬虫的必需组件。在获取网页后，就需要提取网页数据了。我们可以搜索、解析，并将提取的数据保存到表格中，然后重新整理格式。

2　数据提取

本节我们学习数据提取。我们可以使用Python的BeautifulSoup库进行数据提取。这里还需要用到Python库的Requests模块。

运行以下命令以安装Requests和BeautifulSoup库。

$ pip3 install requests$ pip3 install beautifulsoup4

2.1　Requests库

使用Requests库可以易懂的格式在Python脚本中使用HTTP，这里使用Python中的Requests库获取网页。Requests库包含不同类型的请求，这里使用GET请求。GET