拨开荷叶行,寻梦已然成。仙女莲花里,翩翩白鹭情。
IMG-LOGO

爬虫笔记3

白鹭 - 2022-02-23 2071 0 0

目录

一,Requests库练习

1,用百度 360 搜索关键字

2,图片爬取并保存本地

二,网络爬虫之信息提取——Beautiful soup库学习

1,安装Beautiful soup

2,运用Beautiful soup获取源代码

3, beautifulsoup使用格式

4,beautiful的基本使用元素

? beatiful soup库 决议器

beautiful soup类基本元素

5,基于bs4库的HTML内容遍历方法

标签树的下行遍历

? 标签树的上行遍历?

标签树的平行遍历

总结

? 6,基于bs4库的HTML格式输出


一,Requests库练习

  • raise_for_status():若在回传的代码是200的情况下,是不会产生例外,否则产生例外
  • 每次爬取前检查能否访问

1,用百度 360 搜索关键字

  • 百度关键词搜索 http://www.baidu.com/s?wd=keyword
  • 360关键字搜索 http://www.so.com/s?q=keyword
import requests
kv={'wd':'Python'}
r=requests.get("http://www.baidu.com/s",params=kv)
r.status_code
>>>200
r.request.url
>>>'http://www.baidu.com/s?wd=Python'
print(r.request.url)
>>>http://www.baidu.com/s?wd=Python
print(r.text[1000:2000])

当链接回传的非常多的时候,r.text可能会导致idle失效,所以尽量约束一个范围空间

2,图片爬取并保存本地

  • 要考虑一切可能会发生的情况

import requests
import os
root = 'E://pictures//'
url = 'https://cj.jj20.com/2020/down.html?picurl=/up/allimg/tp03/1Z9211U233AA-0.jpg'
path = root+url.split('/')[-1]
try:
    if not os.path.exists(root):
        os.mkdir(root)
    if not os.path.exists(path):
        r = requests.get(url=url)
        with open(path, 'wb') as f:
            f.write(r.content)
            f.close()
            print("该档案保存成功")
    else:
        print('档案已存在')
except:
    print("爬取失败")

二,网络爬虫之信息提取——Beautiful soup库学习

1,安装Beautiful soup

from bs4 import BeautifulSoup

soup=BeautifulSoup('<p>data<p>','html.parser')

4,beautiful的基本使用元素

beatiful soup库 决议器

beautiful soup类基本元素

soup.head.contents
>>>[<title>This is a python demo page</title>]
soup.body.contents
>>>['\n', <p class="title"><b>The demo python introduces several python courses.</b></p>, '\n', <p class="course">Python is a wonderful general-purpose programming language. You can learn Python from novice to professional by tracking the following courses:
<a class="py1" href="http://www.icourse163.org/course/BIT-268001" id="link1">Basic Python</a> and <a class="py2" href="http://www.icourse163.org/course/BIT-1001870001" id="link2">Advanced Python</a>.</p>, '\n']
len(soup.body.contents)
>>>5
soup.body.contents[1]
>>><p class="title"><b>The demo python introduces several python courses.</b></p>

//可用回圈进行遍历
for child in soup.body.children:
print(child)

标签树的上行遍历

soup.a.next_sibling
>>>' and '
soup.a.next_sibling.next_sibling
>>><a class="py2" href="http://www.icourse163.org/course/BIT-1001870001" id="link2">Advanced Python</a>

  • 遍历前续节点(回圈)

for sibling in soup.a.previous_siblings:

print(sibling)

总结

6,基于bs4库的HTML格式输出

  • print(soup.prettify())
  • print(soup.a.prettify())

    >>> <a class="py1" href="http://www.icourse163.org/course/BIT-268001" id="link1">

    Basic Python

    </a>

  • soup.a.prettify()
    >>>'<a class="py1" href="http://www.icourse163.org/course/BIT-268001" id="link1">\n Basic Python\n</a>\n'

标签:

0 评论

发表评论

您的电子邮件地址不会被公开。 必填的字段已做标记 *