json里面的list数据取不出来_爬虫爬取百度百科数据

以前段时间《青春有你2》为例，我们使用Python来爬取百度百科中《青春有你2》所有参赛选手的信息。

什么是爬虫？

为了获取大量的互联网数据，我们自然想到使用爬虫代替我们完成这些重复的工作。

爬虫的过程，就是模仿浏览器的行为，往目标站点发送请求，接收服务器的响应数据，提取需要的信息，并进行保存的过程。

Python为爬虫的实现提供了工具:requests模块、BeautifulSoup库

接下来我们就会使用这些工具来获取我们想要的信息。

任务描述

本次实践使用Python来爬取百度百科中《青春有你2》所有参赛选手的信息。

数据获取：https://baike.baidu.com/item/青春有你第二季

上网的全过程

普通用户:

打开浏览器 --> 往目标站点发送请求 --> 接收响应数据 --> 渲染到页面上。

爬虫程序:

模拟浏览器 --> 往目标站点发送请求 --> 接收响应数据 --> 提取有用的数据 --> 保存到本地/数据库。

爬虫的过程

1.发送请求（requests模块）

2.获取响应数据（服务器返回）

3.解析并提取数据（BeautifulSoup查找或者re正则）

4.保存数据

模块简介

request模块

requests是python实现的简单易用的HTTP库，官网地址：http://cn.python-requests.org/zh_CN/latest/

requests.get(url)可以发送一个http get请求，返回服务器响应内容。

BeautifulSoup库

BeautifulSoup 是一个可以从HTML或XML文件中提取数据的Python库。网址：https://beautifulsoup.readthedocs.io/zh_CN/v4.4.0/

BeautifulSoup支持Python标准库中的HTML解析器,还支持一些第三方的解析器,其中一个是 lxml。

BeautifulSoup(markup, "html.parser")或者BeautifulSoup(markup, "lxml")，推荐使用lxml作为解析器,因为效率更高。

第一步

具体来说，这一步是爬取百度百科中《青春有你2》中所有参赛选手信息，返回页面数据

也就是将如图的多有参赛学员信息爬取并返回。

import 

第二步

对爬取的页面数据进行解析，并保存为JSON文件。

那么我们在这一步就可以获得如图所有人的具体信息了~~

def 

第三步

爬取每个选手的图片，并进行保存。

这一步我们就可以获得所有小姐姐的美照了。一共下载482张照片。

具体的思路是从上一步得到的个人信息中进入每个人的百度百科，然后再进入相册，下载照片并保存。

def 

第四步

打印爬取的所有图片的路径

def 

第五步

主程序。

看着满屏的成功和新增的文件夹，成就感油然而生。

if