Python简单爬虫【入门必学】

最新推荐文章于 2024-09-15 10:00:41 发布

yiqibiancheng

最新推荐文章于 2024-09-15 10:00:41 发布

阅读量809

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Python高效学习方法文章标签： Python

本文链接：https://blog.youkuaiyun.com/yiqibiancheng/article/details/103765119

本文介绍了Python爬虫的基础，包括使用requests库进行HTTP请求，如get、post等方法，以及如何处理响应。同时讲解了BeautifulSoup4库解析HTML页面，提取所需信息，如find_all和find方法的使用。文中还分享了学习Python爬虫的资源和交流平台。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

简单抓取网页的代码

import requests#导入requests包
from bs4 import BeautifulSoup#从bs4中导入BeauifulSoup包
import re#导入正则表达式的包

r = requests.get("http://baidu.com")
r.encoding = 'utf-8'#就没有进行其他异常判断了，做个简单的HTML网页的爬虫
soup = BeautifulSoup(r.text)
type(soup)#查看当前soup对象的类型
r.head#此后就可以抓取rr对象的属性了，比如head，title,body等

另外很多人在学习Python的过程中，往往因为没有好的教程或者没人指导从而导致自己容易放弃，为此我建了个Python交流.裙：一久武其而而流一思（数字的谐音）转换下可以找到了，里面有最新Python教程项目可拿,不懂的问题多跟里面的人交流，都会解决哦！

如果要抓取本地的静态网页的代码的话，我曾经抓取不成功，但是我想了其他的办法，还是使用上述代码，只不过url地址换成了本地的文件地址了而已，需要注意的是，我是在IDEA里面编写并且运行我的HTML代码的，并且通过IDEA生成了一个本地局域网的端口，复制它的路径，再导入url中，即可抓取本地静态HTML代码，如果我把这个浏览器或则IDEA关了的话，则python抓取的时候则会报错。

下面是爬虫爬取大学排名的代码：

import requests
from bs4 import BeautifulSoup
allUniv = []#建立一个二维列表，存储所有表格信息
def getHTMLText(url):#获取传入的地址
    try:#进行异常的处理
        r = requests.get(url,timeout = 30)#参数1：某网页的url地址，参数2：设定每次请求超时时间为n秒
        r.raise_for_status()#如果次参数不是200，则产生异常，进入异常处理语句，否则程序继续往下走
        r.enc