python-网络爬虫

爬虫实战教程

1.用requests库和BeautifulSoup4库,爬取校园新闻列表的时间、标题、链接、来源。

 1 import requests   #HTTP库 从html或xml中提取数据
 2 from bs4 import BeautifulSoup #爬虫库BeautifulSoup4
 3 url = requests.get("http://news.gzcc.cn/html/xiaoyuanxinwen/")
 4 url.encoding = "utf-8"
 5 soup = BeautifulSoup(url.text,'html.parser')
 6 #print(soup.head.title.text)
 7  
8
#找出含有特定标签的html元素:‘ID’前缀‘#’;‘class’前缀‘.’,其它直接soup.select('p') 9 for news in soup.select('li'): 10 if len(news.select('.news-list-title'))>0: 11 #print(news.select('.news-list-title')) #1.爬出的资料生成一个大列表 12 #print(news.select('.news-list-title')[0]) #2.取出了列表中的第一个元素 13 #print(news.select('.news-list-title')[0].text) #3.Bs4库text()负责取出文本 14 15 time = news.select('.news-list-info')[0].contents[0].text #时间 16 title = news.select('.news-list-title')[0].text #标题 17 href = news.select('a')[0]['href'] #链接 18 19 href_text = requests.get(href) #链接内容 20 href_text.encoding = "utf-8" 21 href_soup = BeautifulSoup(href_text.text,'html.parser') 22 href_text_body = href_soup.select('.show-content')[0].text 23 print(time,title,href,href_text_body)

2.选一个自己感兴趣的主题,做类似的操作,为“爬取网络数据并进行文本分析”做准备。

 1 import requests  
 2 from bs4 import BeautifulSoup
 3 url= requests.get('https://www.bilibili.com')
 4 url.encoding="utf-8"
 5 soup=BeautifulSoup(url.text,'html.parser')#'html.parser'是HTML的解析器
 6 #print(soup)
 7 for titles in soup.select('.nav-name'):
 8 #    if len(titles.select('.nav-name'))>0:
 9 #        title=titles.select('.nav-name')[0].text
10     print(titles.text)
11 douga = soup.select('#bili_douga')
12 for rank in donga.select('.rank-list hot-list'):
13     
14 
15     if len(rank.select('.rank-list hot-list'))>0:
16         ranks=rank.select('.rank-item highlight')[0].text
17     print(ranks)

 

 并不能爬到“动画”里这个“排行”的url。

转载于:https://www.cnblogs.com/maykok/p/7604533.html

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