python 爬取网站的博客目录

本文介绍了如何使用Python的requests-html库进行网站爬取,并结合youtube-dl进行信息提取。首先,升级pip和urllib3,安装requests-html,接着在setup.py和launch.json中配置。然后,创建信息提取类,利用正则表达式匹配,通过YoutubeDL.py和extractor文件夹中的common.py协同工作,最后在extractors.py的XxxIE类中完成下载和爬取任务。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

第一步,安装 requests-html

  • 升级 pip
pip install --upgrade pip
  • 升级 urllib3
sudo python3 -m pip install   urllib3   --upgrade
  • 安装 requests-html
 sudo python3 -m pip install requests-html

第 1.1 步,给项目,安装 requests-html

  • 修改 setup.py 文件,

添加

install_requires=[
          'requests-html',
      ],
  • 修改 launch.json
    添加
 "pythonPath": "/usr/bin/python3"
  • 命令行,安装
sudo python3 -m   setup install
  • python 文件中,使用
from requests_html import HTMLSession

第 2 步,继续使用 youtube - dl

  • 新建一个信息提取类
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值