網路爬蟲基礎

0.可以新建乙個用於練習的html檔案，在瀏覽器中開啟。

1.利用requests.get(url)獲取網頁頁面的html檔案

import requests

newsurl=''

res = requests.get(newsurl) #返回response物件

res.encoding='utf-8'

2.利用beautifulsoup的html解析器，生成結構樹

from bs4 import beautifulsoup

soup = beautifulsoup(res.text,'html.parser')

3.找出特定標籤的html元素

soup.p #標籤名，返回第乙個

soup.head

soup.p.name #字串

soup.p. attrs #字典，標籤的所有屬性

soup.p. contents # 列表，所有子標籤

soup.p.text #字串

soup.p.string

soup.select(『li')

4.取得含有特定css屬性的元素

soup.select('#p1node')

soup.select('.news-list-title')

5.練習：

取出h1標籤的文字

print(soup.h1)

取出a標籤的鏈結

print(soup.select('

a')[0].attrs['
href
'])

取出所有li標籤的所有內容

print(soup.li.contents)

取出第2個li標籤的a標籤的第3個div標籤的屬性

print(soup.li[1].a.div[2])

print(soup.select('

.row
')[5].select('
.title
'))

print(soup.select('

li')[2].a.attrs['
href
'])

print(soup.select('

.news-list-info
')[0].contents[0].text)

print(soup.select('

.news-list-info
')[0].contents[1].text)

Python網路爬蟲基礎

爬蟲，即網路爬蟲，大家可以理解為在網路上爬行的一直蜘蛛，網際網路就比作一張 大網，而爬蟲便是在這張網上爬來爬去的蜘蛛咯，如果它遇到資源，那麼它就會抓取下來。因此，使用者看到的網頁實質是由 html 構成的，爬蟲爬來的便是這 些內容，通過分析和過濾這些 html 實現對 文字等資源的獲取。url，即統...

網路爬蟲基礎練習

0.可以新建乙個用於練習的html檔案，在瀏覽器中開啟。1.利用requests.get url 獲取網頁頁面的html檔案 import requests newsurl res requests.get newsurl 返回response物件 res.encoding utf 8 2.利用be...

網路爬蟲基礎練習

收藏0.可以新建乙個用於練習的html檔案，在瀏覽器中開啟。1.利用requests.get url 獲取網頁頁面的html檔案 import requests newsurl res requests.get newsurl 返回response物件 res.encoding utf 8 2.利用...