码云地址：https://github.com/xyhcq/top250
模块功能：获取豆瓣top250网页的源代码，并分析。
def getHTMLText(url,k): # 获取网页源代码 try: if(k==0): kw={} else: kw={‘start‘:k,‘filter‘:‘‘} # 保存获取的网页 read = requests.get(url,params=kw,headers={‘User-Agent‘: ‘Mozilla/4.0‘}) read.raise_for_status() read.encoding = read.apparent_encoding return read.text except: print("获取失败!") def getData(html): # 分析代码信息，提取数据 soup = BeautifulSoup(html, "html.parser") # 找到第一个class属性值为grid_view的ol标签 movieList=soup.find(‘ol‘,attrs={‘class‘:‘grid_view‘}) # 找到所有的li标签 for movieLi in movieList.find_all(‘li‘): # 找到第一个class属性值为hd的div标签 movieHd=movieLi.find(‘div‘,attrs={‘class‘:‘hd‘})
原文：http://www.cnblogs.com/mazhuangmz/p/7780196.html