Python 爬虫统计当地所有医院信息

这是上周五在微信群里看到的问题：

之前曾尝试过对知乎和微博热榜的简单爬虫，算是小有经验但仍需锻炼，于是趁着这个机会，主动包揽了爬虫代码，并在这回顾整理一番。

对于爬虫的概念，往复杂说会涉及很多技术点，但最核心的点很简单：爬虫就是按照我们给定的规则自动去网上把数据抓取下来。对应到上面的需求，想统计当地所有医院的信息，同时已经筛选好相关网站了，那么我们只要对应其网站对抓取数据的过程进行设计编码，即可最终实现爬虫任务。

#1 初步探索

那首先，我们先去瞅瞅要爬的网站什么样。对方选定的是家庭医生在线网，想要获取网站上列出的所有西安地区医院的信息。

# 家庭医生在线网、陕西西安地区链接
https://yyk.familydoctor.com.cn/area_305_0_0_0_1.html

通过链接，我们点开的网页如下：

网页展示面向的对象是人，它的设计是方便观众点击浏览。那么传统方式上我们如果想统计这些数据，就可以逐个点开来复制粘贴汇总到一起。

但爬虫是由计算机实现的，它并不需要这些加过装饰、设计的页面，它只关心其中最重要的数据。我们既然要为爬虫制定规则，那么直接围绕着页面的代码和数据来进行分析是最高效的。

右键点击页面，选择“显示网页源代码”：

刚我们提到网页对数据进行装饰设计，网页源代码所展示的就是网页如何通过前端代码（HTML，JavaScript，CSS）加工数据的过程；而爬虫要做的就是在这些代码中提取出目标数据。既然加工数据应用到了前端语言，那么爬虫自然也需要些前端基础才好操作。

比如上图中，当我们下拉到 1369 行时看到了第一组目标数据：从莲湖区到高陵县，每个地区前面的 href="链接" 都对应了各地区的链接。因为我们想要获取西安本地所有医院信息，那么西安所有地区的医院名单肯定是要抓取的。当然，我们也可以继续向下看，页面中针对不同地区列举了相应的具体