因为项目需要,最近在爬取非遗相关的网站,但目标url 有做源码的保护,不同元素的辨识度特别低,点开审查网页,好几个关键字都是cye-Im-tag
所以就打算用XPath获取详细的节点信息
嘻嘻,这边引用大佬wsmrzx的爬取猫眼电影TOP250数据文章
废话不多说,上链接 猫眼爬取
大佬写得很详细,user-agent改一下即可哈
(直接在浏览器中输入链接:about:version 就能显示哈,大部分浏览器都能这样获取到)
关于lxml库和requests库的安装
只需要执行:
pip install lxml
不知道为什么,使用这个命令安装,一次成功的很少,不知道为啥,就是各种报错
那就先执行命令,安装wheel库
pip install wheel
然后再执行上一个cmd就OK啦
wheel有官网,但直接用pip安装简单粗暴,哈哈哈
=== requests库的安装 ===
无论是Windows、Mac、还是Linux,都可以通过pip这个包管理工具进行安装
在命令行界面中运行如下命令,即可完成requests库的安装
pip3 install requests
或者 pip install requests
友情tip
爬取结果保存成txt格式,比较麻烦,特别是要导入数据库的