Python爬虫获取网页数据笔记（一）

原创

于 2021-02-24 14:37:43 发布 · 2.2k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#python

这篇博客介绍了使用Python进行网页数据爬取的基本步骤，包括requests库获取网页源代码，BeautifulSoup解析HTML，以及遇到的如编码问题、版本不兼容和反爬虫机制的处理。此外，还分享了如何设置UserAgent避免被反爬，并强调理解HTML页面结构的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、涉及的Python库
requests：获取网页源代码
BeautifulSoup：从网页中抓取数据
xlwt：导出表格

（一）requests
1.requests库文档：
requests库文档链接
2.request库的常用方法：
在这里插入图片描述
3.编写代码

#导入requests模块
import requests
#输入想获取的网页
url = 'https://movie.douban.com/chart'
#创建一个名为html的response对象
html = requests.get(url)
#设置系统默认编码为UTF-8，防止乱码
html.encoding='utf-8'

（二）beautifulsoup
1.简介：Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库，它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式
2.beautifulsoup官方文档：
Beautiful Soup 4.4.0 文档链接
3.基本操作

from bs4 import BeautifulSoup
#使用BeautifulSoup解析这段代码，得到一个BeautifulSoup对象
soup=BeautifulSoup(html,'html.parser')
#按照标准的缩进格式的结构输出
print(soup.prettify()

最低0.47元/天解锁文章

200万优质内容无限畅学