[Python]实战——百度贴吧爬虫

本文介绍了使用Python进行网络爬虫,特别是针对百度贴吧的爬取。内容涵盖了Python环境搭建,包括requests和lxml库的安装,以及XPath的使用来解析网页。同时,文章还讨论了多线程在爬虫中的应用,提供了一个简单的多线程Python爬虫示例。

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

网络爬虫(Web Spiders)是一个自动提取网页的程序,它为搜索引擎从万维网上下载网页,是搜索引擎的重要组成。半年前,我接触了Lucene搜索引擎开发——开始了网络爬虫之旅;当时,采用的是纯JAVA开发环境,对百度某吧几百万帖子进行了全面爬取。那时候我对Python一点都不了解,今天对《Pyhon基础教程:第2版·修订版》以及极客学院相关视频进行了学习,形成了本文。


Key Words:   网络爬虫,  多线程,  requests,  XPath,   lxml


1. 本文相关环境

        开发工具与平台:Python2.7,  Windows7,  PyCharm

        Python第三方包下载平台http://www.lfd.uci.edu/~gohlke/pythonlibs/,该平台可以下载几乎所有Python包,包括本文的requests,lxml,下载之后如何安装(见下文)。另外,推荐一款json格式化工具:HiJson。


2. Windows平台,如何安装requests、lxml包?

        从上述网站上,选择合适自己的版本(Ctrl+F,可搜索),下载完成后:

                ①将后缀“.whl”更改为“.zip”;

                ②解压,将“非-info”文件夹拷贝至“D:\AppInstall\Python27\Lib”即可。

评论
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