准本工作
https://movie.douban.com/top250(https表示加密网址)
分析页面
网址第一页
第二页前面路径没变多了?加一些参数
Url分析:页面包括250条电影数据,每页25条共10页每页的url不同之处是:最后的数值=(页数-1)*25
我们需要的数据都在网页的源代码中,假如我们需要找到每一个电影标题,那么我们怎样定位呢?
借助Chrome开发者工具(F12)来分析网页
还有一种方式:点击Network,上面有对网站的文件发起请求的一个过程
其中线条表示浏览器向服务器发起的请求,长度代表时间轴。可以点击stop停在自己想要看到的地方
刚开始就是将网址向服务器发送,status 200表示发送成功并且正常返回一个文件,具体信息可以点进去看
headers:服务器通过这里鉴定我们的身份
重点掌握:
1、User_Agent:表明我们是一个什么样的浏览器,如果没有写可能不会返回消息
2、Cookie:如果要做一些登陆以后才能开到的内容的爬取,就必须学会怎样存储Cookie和读取Cookie(没有Cookie就代表没有登录)
下面行代码表示当前文字所在的层级,html根标签,body除去头文件以后的核心内容等等,这些都代表整个网页的某些板块(帮助我们判断我们想要的文字或者链接在一个什么样的层级结构上,快速找到他)