理解爬蟲原理

本次作業**於：

1. 簡單說明爬蟲原理

爬蟲原理就是爬取網頁。

2. 理解爬蟲開發過程

1).簡要說明瀏覽器工作原理；

瀏覽器的主要功能是向伺服器發出請求，在瀏覽器中展示選擇的網路資源，一般資源就是html文件，也可以是pdf, imgage,或者其他型別，資源的位置由使用者使用uri(統一資源表示符)指定。

2).使用 requests 庫抓取**資料；

requests.get(url) 獲取校園新聞首頁html**

import

requests
res1=requests.get('
')res1.encoding = '
utf-8
'

寫乙個簡單的html檔案，包含多個標籤，類，id

html_sample = '\\\\

this is link1\
this is link2\\'

通過beautifulsoup(html_sample,'html.parser')把上述html檔案解析成dom tree

import

bs4from bs4 import
beautifulsoup
soup1 = beautifulsoup(res1.text,'
html.parser
')

找出含有特定標籤的html元素

soups = beautifulsoup(html_sample,'

html.parser')
soups.h1

soupn.select('

.show-info
')[0].text.split()[2].split('
：')[1]

soupn.select('

#content
')[0].text

如url = ''

要求發布時間為datetime型別，點選次數為數值型，其它是字串型別。

import requests

from bs4 import beautifulsoup

res1 = requests.get('')

res1.encoding = 'utf-8'

soup1 = beautifulsoup(res1.text,'html.parser')

title = soup1.select('.show-title')[0].text

newstime = soup1.select('.show-info')[0].text[16:24]

newsdate = soup1.select('.show-info')[0].text.split()[0].split(':')[1]

actor = soup1.select('.show-info')[0].text.split()[2].split('：')[1]

newssourse = actor = soup1.select('.show-info')[0].text.split()[4].split('：')[1]

detail = soup1.select('.show-content p')[0].text

clickurl = ''

clickurl = ''

a = int (requests.get(clickurl).text.split('.html')[-1].split("'")[1])

a

理解爬蟲原理

本次作業 於 1.簡單說明爬蟲原理 請求 並提取資料的自動化流程 2.理解爬蟲開發過程 1 簡要說明瀏覽器工作原理 web瀏覽器提交請求後，通過http協議傳送給web伺服器。web伺服器接到後，進行事務處理，處理結果又通過http傳回給web瀏覽器，從而在web瀏覽器上顯示出所請求 的頁面。2 使...

理解爬蟲原理

老師 missdu 提交作業 1.簡單說明爬蟲原理 爬蟲的原理是通過模擬請求的方式去訪問相關的開放頁面，通過 的方式去模擬觸發網頁的點選和跳轉，通過流的方式獲取到請求響應後的整個html資訊，再通過一些工具類去篩選這些資訊中包含的有用的資訊 2.理解爬蟲開發過程 1 簡要說明瀏覽器工作原理 遊覽器通...

理解爬蟲原理

1.簡單說明爬蟲原理 2.理解爬蟲開發過程 1 簡要說明瀏覽器工作原理 url解析 dns解析查詢網域名稱ip位址，網路連線發起http請求，http報文傳輸過程，伺服器接收資料，伺服器響應請求 mvc，伺服器返回資料，客戶端接收資料，瀏覽器載入 渲染頁面，列印繪製輸出所看到的網頁。2 使用 req...