首页 > 编程语言 > 详细

python之简单爬取一个网站信息

时间:2019-11-16 21:22:56      阅读:99      评论:0      收藏:0      [点我收藏+]

requests库是一个简介且简单的处理HTTP请求的第三方库

get()是获取网页最常用的方式,其基本使用方式如下

使用requests库获取HTML页面并将其转换成字符串后,需要进一步解析HTML页面格式,这里我们常用的就是beautifulsoup4库,用于解析和处理HTML和XML

下面这段代码便是爬取百度的信息并简单输出百度的界面信息

import requests
from bs4 import BeautifulSoup

r=requests.get(http://www.baidu.com)
r.encoding=None
result=r.text
bs=BeautifulSoup(result,html.parser)
print(bs.title)
print(bs.title.text)

 

import requests
from bs4 import BeautifulSoup

#用来解决乱码现象,所以编写爬取信息的代码最好带上(输出出现乱码或者UnicodeEncodeError:‘gbk‘codec can‘t encode character)  
import io      
import sys
sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding=gb18030)

#用来防止反爬取,可以了解一下 headers={"User-Agent" : "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.1.6)",   "Accept" : "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",   "Accept-Language" : "en-us",   "Connection" : "keep-alive",   "Accept-Charset" : "GB2312,utf-8;q=0.7,*;q=0.7" }
#获取51job网站的基本信息 r=requests.get(https://search.51job.com/list/000000,000000,0000,00,9,99,python,2,1.html?lang=c&stype=&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&providesalary=99&lonlat=0%2C0&radius=-1&ord_field=0&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare=) r.encoding=r.apparent_encoding result=r.text bs=BeautifulSoup(result,html.parser) print(bs.prettify()) u1=bs.find_all(u1,attrs={class:item_con_list}) #这部分代码便是我们爬取的目标,51job网站上关于python职业的薪资 print(len(u1)) li=bs.find_all(span,attrs={class:t4}) for l in li: print(l.text)

上面这段代码便是爬取51job网站上的与python相关职业的薪资

技术分享图片技术分享图片

 

 

python之简单爬取一个网站信息

原文:https://www.cnblogs.com/jackyfive/p/11872894.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!