首页 > 编程语言 > 详细

python-网络爬虫

时间:2017-09-27 23:50:13      阅读:414      评论:0      收藏:0      [点我收藏+]

1.用requests库和BeautifulSoup4库,爬取校园新闻列表的时间、标题、链接、来源。

 1 import requests   #HTTP库 从html或xml中提取数据
 2 from bs4 import BeautifulSoup #爬虫库BeautifulSoup4
 3 url = requests.get("http://news.gzcc.cn/html/xiaoyuanxinwen/")
 4 url.encoding = "utf-8"
 5 soup = BeautifulSoup(url.text,html.parser)
 6 #print(soup.head.title.text)
 7  
8
#找出含有特定标签的html元素:‘ID’前缀‘#’;‘class’前缀‘.’,其它直接soup.select(‘p‘) 9 for news in soup.select(li): 10 if len(news.select(.news-list-title))>0: 11 #print(news.select(‘.news-list-title‘)) #1.爬出的资料生成一个大列表 12 #print(news.select(‘.news-list-title‘)[0]) #2.取出了列表中的第一个元素 13 #print(news.select(‘.news-list-title‘)[0].text) #3.Bs4库text()负责取出文本 14 15 time = news.select(.news-list-info)[0].contents[0].text #时间 16 title = news.select(.news-list-title)[0].text #标题 17 href = news.select(a)[0][href] #链接 18 19 href_text = requests.get(href) #链接内容 20 href_text.encoding = "utf-8" 21 href_soup = BeautifulSoup(href_text.text,html.parser) 22 href_text_body = href_soup.select(.show-content)[0].text 23 print(time,title,href,href_text_body)

技术分享

2.选一个自己感兴趣的主题,做类似的操作,为“爬取网络数据并进行文本分析”做准备。

 1 import requests  
 2 from bs4 import BeautifulSoup
 3 url= requests.get(https://www.bilibili.com)
 4 url.encoding="utf-8"
 5 soup=BeautifulSoup(url.text,html.parser)#‘html.parser‘是HTML的解析器
 6 #print(soup)
 7 for titles in soup.select(.nav-name):
 8 #    if len(titles.select(‘.nav-name‘))>0:
 9 #        title=titles.select(‘.nav-name‘)[0].text
10     print(titles.text)
11 douga = soup.select(#bili_douga)
12 for rank in donga.select(.rank-list hot-list):
13     
14 
15     if len(rank.select(.rank-list hot-list))>0:
16         ranks=rank.select(.rank-item highlight)[0].text
17     print(ranks)

技术分享

技术分享

技术分享 

 并不能爬到“动画”里这个“排行”的url。

python-网络爬虫

原文:http://www.cnblogs.com/maykok/p/7604533.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!