res=requests.get(‘url’)
网页爬虫=requests库.获取(网页地址)
res.status_code
状态码
res.encoding
输出编码格式
res.text
输出字符串形式的文本
res.content
获得其他形式的内容
url = ‘https:………………{}’
url =[url.format(num) for num in range(100)]
网页=……{把数字空出来}
网页=把100以内的数字一个个填进去
(介是爬取多页网址的方法,把很多页网址放进一个列表里)
headers = {
‘user-agent’: ……
}
请求头,相当于门栓,不打开不让你进
res = requests.get(url, proxies=proxies, headers=headers)
爬虫内容=获取(网址,代理,请求头)
proxies=[{}{}{}]
代理是什么什么
——————————网页元素——————————
h1 head1 一级标题
p paragrapy 段落
a 超链接
img image 图像
div divide 分开的区域
—————————beautiful soup——————————
soup = BeautifulSoup(res.text, ‘html.parser’)
soup对象=soup解析(爬虫文本,‘解析方法’)
soup.find(‘a’))
找到第一个超链接
soup.find(‘a’)
找到所有超链接内容
soup.find(‘div’, id=‘jordan’, class_=‘player’)
找到(div类,id是jordan,类别是运动员的),也就是说,可以通过多层标签筛选
tag.text
获取标签的文本数据
tag[‘href’]
获取某属性的数据
——————————开发者工具—————————
network
XHR
展示页面内容的
requests.url
可获取真正内容的链接