【无标题】

用python从网页爬取数据，网上相关文章很多，但能让零基础初学者轻松上手的却很少。可能是有的作者觉得有些知识点太简单不值得花费精力讲，结果是难者不会会者不难，初学者常常因此而蒙圈。本人也是小白，刚摸索着爬了两个简单的网页数据，经历了初学者易犯的各种糊涂，特总结分享一下，希望能对小白们有用。

1、本文代码环境：python3.7，requests模块、BeautifulSoup解析库
python爬网络数据，方法很多。不同的python版本、不同的模块、库，对应代码都不同。所以，在看他人代码时，需要搞清代码环境所用的版本和使用的模块库等信息。因为如果环境不同，相同的代码也可能没用。初学者往往看到一篇文章讲的代码，复制过来就用，结果就是各种错误，这就是因为环境不同造成的。

没有模块的，pip安装一下就好。安装方法：点击电脑左下角开始——输入cmd回车，弹出cmd.exe界面——在界面上输入pip install requests回车，稍后，提示安装成功即完成了requests模块的安装。BeautifulSoup解析库是属于bs4模块的一个功能块，所以，用pip安装时，要安装pip install bs4。

2、爬虫4部曲：发出请求——获得网页——解析内容——保存内容
建好了代码环境，就可以开始爬数据了，无论什么代码环境，爬虫核心都是这4步。对新手来说，每一步都不简单，我们通过一个简单的爬取一篇小说代码，来看看到底是怎么爬数据的。

3、爬取网络小说

如图3-1，我们试着把这篇小说爬下来保存为txt文件，按照爬虫4部曲，我们逐步来看：

1）、发出请求
用代码向网络发出请求，请求访问某个网址，首先我们得在代码中给出具体的网址信息，比如上面截图的网址是：
https://www.biqiuge.com/book/4772/2940354.html

那这个网址是怎么得到的呢，常规方法是通过浏览器的开发者工具，我是用的360浏览器，点击右上角的工具菜单，点击开发者工具即可，打开后的界面如下图3-2：

顶部菜单选择Network，中间圆圈选择Preview，通过选择左侧红色方框内的不同选项，观察Preview下部的内容，当能看到我们想要的文字时人（如图3-3），就说明找到了。

这时点击Preview左侧的Header面板，得到下图3-4中的url就是我们要找的网址。复制后，粘贴到代码里就能发出请求了。

有细心的会看到，这个网址和我们平常浏览网页时地址栏里的网址一样啊，还用这么麻烦？

这两个网址确实是一样的，是不用这么麻烦，直接从地址栏复制就可以。但很多时候，我们要爬取的网页数据并不在浏览器地址栏的那个网址里，这个时候就需要通过上面的那个开发者工具方法去找。

有了网址，发出请求的代码为：

url = "https://www.biqiuge.com/book/4772/2940354.html"     #   要爬取数据的网址
response = requests.get(url)       #发出访问请求，获得对应网页
1
2
访问请求的反馈结果放在response里了，这时我们用print(response)看看这个结果到底是什么?运行结果为：<Response [200]>

这是个什么鬼？怎么不是我们想要的网页内容呢？解释一下：

运行结果的意思是：响应状态为成功。可以放心写后面的代码了。如果出现数字404，就是没找到页面的意思，响应不成功。响应结果还需要解析才能得到网页内容。

2）、获得网页
上面说了，已经请求访问并响应成功了，接下来就是如何获得具体网页内容了。

soup = BeautifulSoup(response.content, 'lxml')     # 将获得的网页内容解析写入soup备用
1
我们用print(soup)看一下结果，就会得到下图3-6的结果：

内容与前面在Preview里看到的一样，说明已经成功获得了网页内容。

3）、解析网页内容，获得数据
所有要爬取的数据，都在上面的soup结果里，但还有更多是我们不需要的数据。所以接下来第3步就是对上面的结果内容进行操作，以获得我们想要的内容。

1）根据目标，我们首先要获得小说的标题和章节标题

在开发者工具里，分析网页内容，发现我们的目标之一小说和章节的标题分别位于下图所示位置：

A、小说标题“圣墟”在下面两个位置都出现过，写解析代码就可以了：

<a href="/book/4772/">圣墟</a>
1
<a href='https://www.biqiuge.com/book/4772/' target='_blank' title="圣墟">圣墟</a>
1
很明显第一个相对比简单点，所以，我们通过解析第一个位置内容来提取出标题“圣墟”

t1 = soup.find('a', href="/book/4772/"').get_text()
1
代码解析： 上面两处标题都位于<a,…/a>之间，所以“a”就是我们要用的第一个参数，由于有a参数的代码还有很多，为了精准定位就是这个位置的a，我们发现属性href的值不同而且貌似是独一无二的，所以将其作为关键字放进代码里，就得到了此处的这段代码。然后用.get_text()将这段代码里的文字给爬取出来，就得到了我们最终想要的小说标题——“圣墟”。上面的代码如果将href的参数值改为：’
https://www.biqiuge.com/book/4772/'，也能得到相同的结果

B、章节标题在网页代码中也出现过多次，但是我们只需找到一处解析得到即可，根据上面的经验，我们选最简单的一处为：

<h1>第一章 沙漠中的彼岸花</h1>
1
编写代码：

t2 = soup.find('h1').get_text()
1
2）获得小说内容

继续分析网页代码，发现小说内容的位置为：

< div id=“content” class=“showtxt”>
大漠孤烟直…

说明小说内容位于<div …/div >之间，所以将div作为第一个参数，由于div出现了很多次，所以我们需要继续用此处独有的参数作为关键字，我们将id=“content” class="showtxt"同时作为参数放到代码里，这样代码就为：

tt = soup.find('div', id="content", class="showtxt").get_text()
1
此时，由于class在python里代表“类”，为敏感词，作为关键字放在代码里容易混淆，所以我们将敏感词作为关键字时，需要在其后面加一个下划线，将代码class="showtxt"改为：class_=“showtxt”。运行后，小说内容就已经在tt里了。我们可以通过print(tt)看到效果。

4）、保存内容
虽然小说标题、内容都已经爬取到了，但到哪里看呢，我们不可能每次都用python用print()运行后看。我们可以将刚才爬取到的标题、内容，写入到一个txt文件里。这就用到os模块了。

此时运行程序，就能在e盘发现已新生成了文件“小说.txt文件"，打开，发现，所有想要的内容已经写入到文件里了如图3-8。但是小说内容没有换行，阅读起来不方便，且前面有个多余的app2()。

为了达到更好的效果，我们将代码：

tt = soup.find('div', id="content", class="showtxt").get_text()
1
优化为：

tt = soup.find('div', id="content", class_="showtxt").text.replace(' ','\n').replace('app2();','\n')
1
即将app2()和空格符都替换为换行符。运行后得到效果为：

至此，一个简单的爬取就完成了。

其实，该网址内容完全可以直接复制就能得到，本文之所以还大费周章进行爬取，不过是借用这个简单的静态网页，体验一下爬虫4步骤的流程，为后续批量爬取网页中的小说、图片以及爬取动态网页数据做基础。

4、附录本文代码（完整）
# -*- coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup

# 第一步：发出访问请求
url = "https://www.biqiuge.com/book/4772/2940354.html"
response = requests.get(url)

# 第二步：获得网页信息
soup = BeautifulSoup(response.content, 'lxml')

# 第三步：解析网页数据
t1 = soup.find('a', href="/book/4772/").get_text()
t2 = soup.find('h1').get_text()
tt = soup.find('div', id="content", class_="showtxt").text.replace(' ','\n').replace('app2();','\n')

# 第四步：保存内容
f = open(r"e:\小说1.txt", 'a+', encoding='utf-8')
f.write(t1 + '\n')
f.write(t2 + '\n')
f.write(tt)
f.close()
print('下载完成')

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

 最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至优快云官方，朋友如果需要可以直接微信扫描下方优快云官方认证二维码免费领取【保证100%免费】。