python网页爬虫菜鸟教程_Mac——利用Python进行网页爬取

import requests

import re

from urllib import parse

# step 1: 获取网页内容

def getHtml(url):

try:

req_headers = {

'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'

}

r = requests.get(url, headers=req_headers)

r.raise_for_status()

r.encoding = r.apparent_encoding

return r.text

except EOFError:

print("fail")

# step 2: 利用正则表达式从网页中提取关键词

# 例如: 爬取省份的别名

def craw_baidubaike(province_name):

ori_url = "https://baike.baidu.com/item/xxx"

with open("craw_results.txt", "w", encoding="utf-8") as file:

# -- windows系统需要进行编码转换

# province_parse = parse.urlencode({"wd": province_name})[3:] # url = ori_url.replace("xxx", province_parse)

url = ori_url.replace("xxx", province_name)

html = getHtml(url)

pattern_page_format = re.compile('名

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值