創(chuàng)新互聯(lián)www.cdcxhl.cn八線動態(tài)BGP香港云服務(wù)器提供商，新人活動買多久送多久，劃算不套路！

創(chuàng)新互聯(lián)科技有限公司專業(yè)互聯(lián)網(wǎng)基礎(chǔ)服務(wù)商，為您提供成都服務(wù)器托管，高防服務(wù)器租用，成都IDC機房托管，成都主機托管等互聯(lián)網(wǎng)服務(wù)。

這篇文章將為大家詳細講解有關(guān)使用python寫爬蟲程序的方法，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

python編寫爬蟲的整體思路簡單清晰，下面來說一下具體的步驟：

先來看代碼，在解釋，一個簡單的網(wǎng)絡(luò)爬蟲示例

import requests
from bs4 import BeautifulSoup

#58同城的二手市場主頁面
start_url = 'http://bj.58.com/sale.shtml'
url_host = 'http://bj.58.com'
#定義一個爬蟲函數(shù)來獲取二手市場頁面中的全部大類頁面的連接
def get_channel_urls(url):
    #使用Requests庫來進行一次請求
    web_data = requests.get(url)
    #使用BeautifulSoup對獲取到的頁面進行解析
    soup = BeautifulSoup(web_data.text, 'lxml')
    #根據(jù)頁面內(nèi)的定位信息獲取到全部大類所對應(yīng)的連接
    urls = soup.select('ul.ym-submnu > li > b > a')
    #作這兩行處理是因為有的標簽有鏈接，但是卻是空內(nèi)容
    for link in urls:
        if link.text.isspace():
            continue
        else:
            page_url = url_host + link.get('href')
            print(page_url)

整體思路流程

通過URL獲取說要爬取的頁面的響應(yīng)信息（Requests庫的使用）

通過python中的解析庫來對response進行結(jié)構(gòu)化解析（BeautifulSoup庫的使用）

通過對解析庫的使用和對所需要的信息的定位從response中獲取需要的數(shù)據(jù)（selecter和xpath的使用）

將數(shù)據(jù)組織成一定的格式進行保存（MongoDB的使用）

通過對數(shù)據(jù)庫中的數(shù)據(jù)進行篩選和組織，進行數(shù)據(jù)可視化的初步展示（HighCharts庫的使用）

簡單代碼演示

 準備工作

下載并安裝所需要的python庫，包括：

requests庫：用于向指定url發(fā)起請求

BeautifulSoup庫：用于解析返回的網(wǎng)頁信息

lxml庫：用于解析網(wǎng)頁返回結(jié)果

pymongo庫：用于實現(xiàn)python對MongoDB的操作

 對所需要的網(wǎng)頁進行請求并解析返回的數(shù)據(jù)

對于想要做一個簡單的爬蟲而言，這一步其實很簡單，主要是通過requests庫來進行請求，然后對返回的數(shù)據(jù)進行一個解析，解析之后通過對于元素的定位和選擇來獲取所需要的數(shù)據(jù)元素，進而獲取到數(shù)據(jù)的一個過程。（更多學(xué)習(xí)內(nèi)容，請點擊python學(xué)習(xí)網(wǎng)）

以上就是一個簡單的網(wǎng)頁爬蟲的制作過程，我們可以通過定義不同的爬蟲來實現(xiàn)爬取不同頁面的信息，并通過程序的控制來實現(xiàn)一個自動化爬蟲。

關(guān)于使用python寫爬蟲程序的方法就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。

分享標題：使用python寫爬蟲程序的方法-創(chuàng)新互聯(lián)
網(wǎng)頁鏈接：http://m.rwnh.cn/article2/ggoic.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站收錄、服務(wù)器托管、網(wǎng)站導(dǎo)航、網(wǎng)站維護、響應(yīng)式網(wǎng)站、電子商務(wù)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)