Python简单爬虫【入门必学】

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
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