理解爬蟲原理

2022-06-02 16:39:06 字數 2287 閱讀 3010

作業來自:

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;

2).使用 requests 庫抓取**資料;

requests.get(url) 獲取校園新聞首頁html**

3).了解網頁

寫乙個簡單的html檔案,包含多個標籤,類,id

4).使用 beautiful soup 解析網頁;

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

select(選擇器)定位資料

找出含有特定標籤的html元素

找出含有特定類名的html元素

找出含有特定id名的html元素

3.提取一篇校園新聞的標題、發布時間、發布單位、作者、點選次數、內容等資訊

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

**:

import

requests

import

bs4from bs4 import

beautifulsoup as bs

from datetime import

datetime

defhtml(url):

response=requests.get(url=url)

response.encoding='

utf-8

'soup=bs(response.text,'

html.parser')

return

soup

url="

"url2='

'#標題title=html(url).select('

div .show-title

')[0].text

print("

"+title)#時間

time1=html(url).select('

div .show-info

')[0].text.split()[0].split('

:')[1]

time2=html(url).select('

div .show-info

')[0].text.split()[1]

time=time1+ '

' +time2

print("

"+time)

#發布單位

comfrom=html(url).select('

div .show-info

')[0].text.split()[4].split('

:')[1]

print("

發布單位:

"+comfrom)#作者

write=html(url).select('

div .show-info

')[0].text.split()[2].split('

:')[1]

print("

"+write)

#點選次數

count=html(url2).text.split()[0].split('

html

')[-1]

ss="

()';

"for i in

ss: count=count.replace(i,''

)co=int(count)

print("

點選次數:

",co)#內容

cont=html(url).select('

div .show-content

')[0].text.replace('

。','\n'

)print("

新聞內容:")

print

(cont)

#字串轉化為data型別

now=datetime.strptime(time,'

%y-%m-%d %h:%m:%s')

print

(type(now))

#data轉化字串

now1=datetime.now()

now1=datetime.strftime(now1,'

%y-%m-%d %h:%m:%s

').format(y='

年',m='

月',d='

日',h='

時',m='

分',s='秒'

)print(now1)

執行結果:

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

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 ...

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...