實例講解Python爬取網(wǎng)頁數(shù)據(jù)
一、利用webbrowser.open()打開一個網(wǎng)站：
>>> import webbrowser
>>> webbrowser.open('http://i.firefoxchina.cn/?from=worldindex')
True 實例：使用腳本打開一個網(wǎng)頁。
所有Python程序的第一行都應(yīng)以#!python開頭，它告訴計算機想讓Python來執(zhí)行這個程序。（我沒帶這行試了試，也可以，可能這是一種規(guī)范吧）
1.從sys.argv讀取命令行參數(shù)：打開一個新的文件編輯器窗口，輸入下面的代碼，將其保存為map.py。
2.讀取剪貼板內(nèi)容：
3.調(diào)用webbrowser.open()函數(shù)打開外部瀏覽：
#! python3
import webbrowser, sys, pyperclip
if len(sys.argv) > 1:
mapAddress = ''.join(sys.argv[1:])
else:
mapAddress = pyperclip.paste()
webbrowser.open('http://map.baidu.com/?newmap=1&ie=utf-8&s=s%26wd%3D' + mapAddress 注：不清楚sys.argv用法的，請參考這里；不清楚.join()用法的，請參考這里。sys.argv是字符串的列表，所以將它傳遞給join()方法返回一個字符串。
好了，現(xiàn)在選中'天安門廣場'這幾個字并復制，然后到桌面雙擊你的程序。當然你也可以在命令行找到你的程序，然后輸入地點。
二、用requests模塊從Web下載文件：requests模塊不是Python自帶的，通過命令行運行pip install request安裝。手動安裝可以參考這里。
>>> import requests
>>> res = requests.get('http://i.firefoxchina.cn/?from=worldindex') #向get中傳入一個網(wǎng)址
>>> type(res) #響應(yīng)對象
<class 'requests.models.Response'>
>>> print(res.status_code) #響應(yīng)碼
200
>>> res.text #返回的文本 requests中查看網(wǎng)上下載的文件內(nèi)容的方法還有很多，如果以后的博客用的到，會做說明，在此不再一一介紹。在下載文件的過程中，用raise_for_status()方法可以確保下載確實成功，然后再讓程序繼續(xù)做其他事情。
import requests
res = requests.get('http://i.firefoxchina.cn/?from=worldindex')
try:
res.raise_for_status()
except Exception as exc:
print('There was a problem: %s' % (exc)) 三、將下載的文件保存到本地：
>>> import requests
>>> res = requests.get('http://tech.firefox.sina.com/17/0820/10/6DKQALVRW5JHGE1I.html##0-tsina-1-13074-397232819ff9a47a7b7e80a40613cfe1')
>>> res.raise_for_status()
>>> file = open('1.txt', 'wb') #以寫二進制模式打開文件，目的是保存文本中的“Unicode編碼”
>>> for word in res.iter_content(100000): #<span class="fontstyle0"><span class="fontstyle0">iter_content()</span><span class="fontstyle1">方法在循環(huán)的每次迭代中返回一段</span><span class="fontstyle0">bytes</span><span class="fontstyle1">數(shù)據(jù)</span><span class="fontstyle1">類型的內(nèi)容，你需要指定其包含的字節(jié)數(shù)</span></span>
file.write(word)
16997
>>> file.close() 四、用BeautifulSoup模塊解析HTML：在命令行中用pip install beautifulsoup4安裝它。
1.bs4.BeautifulSoup()函數(shù)可以解析HTML網(wǎng)站鏈接requests.get()，也可以解析本地保存的HTML文件，直接open()一個本地HTML頁面。
>>> import requests, bs4
>>> res = requests.get('http://i.firefoxchina.cn/?from=worldindex')
>>> res.raise_for_status()
>>> soup = bs4.BeautifulSoup(res.text)
Warning (from warnings module):
File "C:\Users\King\AppData\Local\Programs\Python\Python36-32\lib\site-packages\beautifulsoup4-4.6.0-py3.6.egg\bs4\__init__.py", line 181
markup_type=markup_type))
UserWarning: No parser was explicitly specified, so I'm using the best available HTML parser for this system ("html.parser"). This usually isn't a problem, but if you run this code on another system, or in a different virtual environment, it may use a different parser and behave differently.
The code that caused this warning is on line 1 of the file <string>. To get rid of this warning, change code that looks like this:
BeautifulSoup(YOUR_MARKUP})
to this:
BeautifulSoup(YOUR_MARKUP, "html.parser")
>>> soup = bs4.BeautifulSoup(res.text, 'html.parser')
>>> type(soup)
<class 'bs4.BeautifulSoup'> 我這里有錯誤提示，所以加了第二個參數(shù)。
>>> import bs4
>>> html = open('C:\\Users\\King\\Desktop\\1.htm')
>>> exampleSoup = bs4.BeautifulSoup(html)
>>> exampleSoup = bs4.BeautifulSoup(html, 'html.parser')
>>> type(exampleSoup)
<class 'bs4.BeautifulSoup'> 2.用select()方法尋找元素：需傳入一個字符串作為CSS“選擇器”來取得Web頁面相應(yīng)元素，例如：
soup.select('div')：所有名為<div>的元素；
soup.select('#author')：帶有id屬性為author的元素；
soup.select('.notice')：所有使用CSS class屬性名為notice的元素；
soup.select('div span')：所有在<div>元素之內(nèi)的<span>元素；
soup.select('input[name]')：所有名為<input>并有一個name屬性，其值無所謂的元素；
soup.select('input[type="button"]')：所有名為<input>并有一個type屬性，其值為button的元素。
想查看更多的解析器，請參看這里。
>>> import requests, bs4
>>> res = requests.get('http://i.firefoxchina.cn/?from=worldindex')
>>> res.raise_for_status()
>>> soup = bs4.BeautifulSoup(res.text, 'html.parser')
>>> author = soup.select('#author')
>>> print(author)
[]
>>> type(author)
<class 'list'>
>>> link = soup.select('link ')
>>> print(link)
[<link href="css/mozMainStyle-min.css?v=20170705" rel="external nofollow" rel="external nofollow" rel="stylesheet" type="text/css"/>, <link href="" id=" rel="external nofollow" rel="external nofollow" rel="external nofollow" moz-skin" rel="stylesheet" type="text/css"/>, <link href="" id=" rel="external nofollow" rel="external nofollow" rel="external nofollow" moz-dir" rel="stylesheet" type="text/css"/>, <link href="" id=" rel="external nofollow" rel="external nofollow" rel="external nofollow" moz-ver" rel="stylesheet" type="text/css"/>]
>>> type(link)
<class 'list'>
>>> len(link)
4
>>> type(link[0])
<class 'bs4.element.Tag'>
>>> link[0]
<link href="css/mozMainStyle-min.css?v=20170705" rel="external nofollow" rel="external nofollow" rel="stylesheet" type="text/css"/>
>>> link[0].attrs
{'rel': ['stylesheet'], 'type': 'text/css', 'href': 'css/mozMainStyle-min.css?v=20170705'} 3.通過元素的屬性獲取數(shù)據(jù)：接著上面的代碼寫。
>>> link[0].get('href')
'css/mozMainStyle-min.css?v=20170705 上面這些方法也算是對“網(wǎng)絡(luò)爬蟲”的一些初探。
相關(guān)文章
這篇文章主要為大家詳細介紹了python實現(xiàn)登錄與注冊系統(tǒng)，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2020-11-11
如何解決jupyter notebook無法導入自己安裝的包
這篇文章主要介紹了如何解決jupyter notebook無法導入自己安裝的包問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-07-07
Python+wxPython實現(xiàn)自動生成PPTX文檔程序
這篇文章主要介紹了如何使用 wxPython 模塊和 python-pptx 模塊來編寫一個程序，用于生成包含首頁、內(nèi)容頁和感謝頁的 PPTX 文檔，感興趣的小伙伴可以學習一下2023-08-08
詳解Python如何輕松實現(xiàn)定時執(zhí)行任務(wù)
這篇文章主要為大家詳細介紹了Python如何在Windows下不用任務(wù)管理器就實現(xiàn)輕松定時執(zhí)行任務(wù)，文中的示例代碼講解詳細，感興趣的小伙伴可以嘗試一下2022-10-10
Python緩存方案優(yōu)化程序性能提高數(shù)據(jù)訪問速度
Python緩存方案是一種優(yōu)化程序性能，提高數(shù)據(jù)訪問速度的方案。通過緩存數(shù)據(jù)，可以減少重復的計算和IO操作，從而提高程序的運行效率。Python中常用的緩存方案包括內(nèi)存緩存、磁盤緩存和分布式緩存等，根據(jù)實際需求選擇不同的方案可以幫助我們更好地優(yōu)化程序性能2023-05-05
今天小編就為大家分享一篇python處理兩種分隔符的數(shù)據(jù)集方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
今天小編就為大家分享一篇使用python 將圖片復制到系統(tǒng)剪貼中，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12
深度學習Tensorflow2.8實現(xiàn)GRU文本生成任務(wù)詳解
這篇文章主要為大家介紹了深度學習Tensorflow?2.8?實現(xiàn)?GRU?文本生成任務(wù)示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2023-01-01
Python數(shù)據(jù)結(jié)構(gòu)集合的相關(guān)詳解
集合是Python中一種無序且元素唯一的數(shù)據(jù)結(jié)構(gòu),主要用于存儲不重復的元素,Python提供set類型表示集合,可通過{}或set()創(chuàng)建,集合元素不可重復且無序,不支持索引訪問,但可迭代,集合可變,支持添加、刪除元素,集合操作包括并集、交集、差集等,可通過運算符或方法執(zhí)行2024-09-09
這篇文章主要介紹了numpy中l(wèi)oadtxt 的用法詳解，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-08-08