最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python爬取網(wǎng)頁信息的示例

 更新時間:2020年09月24日 16:03:48   作者:小高冷  
這篇文章主要介紹了Python爬取網(wǎng)頁信息的示例,幫助大家更好的理解和學習python 爬蟲,感興趣的朋友可以了解下

Python爬取網(wǎng)頁信息的步驟

以爬取英文名字網(wǎng)站(https://nameberry.com/)中每個名字的評論內(nèi)容,包括英文名,用戶名,評論的時間和評論的內(nèi)容為例。

1、確認網(wǎng)址

在瀏覽器中輸入初始網(wǎng)址,逐層查找鏈接,直到找到需要獲取的內(nèi)容。

在打開的界面中,點擊鼠標右鍵,在彈出的對話框中,選擇“檢查”,則在界面會顯示該網(wǎng)頁的源代碼,在具體內(nèi)容處點擊查找,可以定位到需要查找的內(nèi)容的源碼。

注意:代碼顯示的方式與瀏覽器有關,有些瀏覽器不支持顯示源代碼功能(360瀏覽器,谷歌瀏覽器,火狐瀏覽器等是支持顯示源代碼功能)

步驟圖:

1)首頁,獲取A~Z的頁面鏈接

2)名字鏈接頁,獲取每個字母中的名字鏈接(存在翻頁情況)

3)名字內(nèi)容頁,獲取每個名字的評論信息

2、編寫測試代碼

1)獲取A~Z鏈接,在爬取網(wǎng)頁信息時,為了減少網(wǎng)頁的響應時間,可以根據(jù)已知的信息,自動生成對應的鏈接,這里采取自動生成A~Z之間的連接,以pandas的二維數(shù)組形式存儲

def get_url1():
 urls=[]
 # A,'B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z'
 a=['A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z']    #自動生成A~Z的鏈接
 for i in a:
  urls.append("https://nameberry.com/search/baby_names_starting_with/%s" %i)
 dp=pd.DataFrame(urls)
 dp.to_csv("A~Z_Link1.csv",mode="a",encoding='utf_8_sig')    #循環(huán)用于在每個字母鏈接下,調(diào)用爬取名字鏈接的頁面的函數(shù),即函數(shù)嵌套
 for j in urls:
  get_pages_Html(j)
 return urls

2)獲取名字鏈接,根據(jù)網(wǎng)頁源碼分析出包含名字鏈接的標簽,編寫代碼,名字鏈接用直接存儲的方式存儲,方便讀取名字鏈接進行對名字的評論內(nèi)容的獲取

#獲取頁數(shù)
def get_pages_Html(url1):
 req = requests.get(url1)
 soup=BeautifulSoup(req.text)
#異常處理,為解決頁面不存在多頁的問題,使用re正則表達式獲取頁面數(shù)
 try:
  lastpage = soup.find(class_="last").find("a")['href']
  str1='{}'.format(lastpage)
  b=re.findall('\\d+', str1 )
  for page in b:
   num=page
 except:
  num=1
 get_pages(num,url1)
 return num

def get_pages(n,url):
 pages=[]
 for k in range(1,int(n)+1):
  pages.append("{}?page={}".format(url,k))
 dp=pd.DataFrame(pages)
 dp.to_csv("NUM_pages_1.csv",mode="a",encoding='utf_8_sig')
  #函數(shù)調(diào)用
 for l in pages:
  parse_HTML2(l)
 return pages


# 名字的鏈接,根據(jù)網(wǎng)頁源碼的標簽,確定名字鏈接的位置
def parse_HTML2(url2):
 try:
  req = requests.get(url2)
  req.encoding = req.apparent_encoding
  soup = BeautifulSoup(req.text)
 except:
  dp=pd.DataFrame(url2)
  dp.to_csv("Error_pages_1.csv",mode="a",encoding='utf_8_sig')
 name_data_l=[]
 error=[]
 li_list = soup.find_all('li',class_="Listing-name pt-15 pb-15 bdb-gray-light w-100pct flex border-highlight")
 try:
  for li in li_list:
   nameList=li.find('a',class_='flex-1')['href']
   name_data_l.append('https://nameberry.com/'+nameList)
   time.sleep(1)
  cun(name_data_l,'Name_List_1')
 except:
  dp=pd.DataFrame(name_data_l)
  dp.to_csv("Error_Name_List_1.csv",mode="a",encoding='utf_8_sig')
  # cun(url2,'Error_link_Q')
 # dp=pd.DataFrame(name_data_l)
 # dp.to_csv("Name_List.csv",mode="a",encoding='utf_8_sig')
 # for i in name_data_l:
 #  parse_HTML3(i)
 return name_data_l

3)獲取名字評論的內(nèi)容,采用字典形式寫入文件

# 名字里的內(nèi)容
def parse_HTML3(url3):
 count=0
 req = requests.get(url3)
 req.encoding = req.apparent_encoding
 soup = BeautifulSoup(req.text)
 error=[]
 try:
  Name=soup.find('h1',class_='first-header').find("a").get_text().replace(",","").replace("\n","")
 except:
  error.append(url3)
  cun(error,"Error_Link_Comment")
 li_list = soup.find_all('div',class_="comment")
 for li in li_list:
  Title=li.find("h4").get_text().replace(",","").replace("\n","")
  Time=li.find("p",class_='meta').get_text().replace(",","").replace("\n","")
  Comments=li.find("div",class_='comment-text').get_text().replace(",","").replace("\n","")
  dic2={
   "Name":Name,
   "Title":Title,
   "Time":Time,
   "Comments":Comments
  }
  time.sleep(1)
  count=count+1
  save_to_csv(dic2,"Name_data_comment")
  print(count)
 return 1

3、測試代碼

1)代碼編寫完成后,具體的函數(shù)調(diào)用邏輯,獲取鏈接時,為直接的函數(shù)嵌套,獲取內(nèi)容時,為從文件中讀取出名字鏈接,在獲取名字的評論內(nèi)容。避免因為逐層訪問,造成訪問網(wǎng)頁超時,出現(xiàn)異常。

如圖:

2)測試結(jié)果

 4、小結(jié)

在爬取網(wǎng)頁內(nèi)容時,要先分析網(wǎng)頁源碼,再進行編碼和調(diào)試,遵從爬蟲協(xié)議(嚴重者會被封號),在爬取的數(shù)據(jù)量非常大時,可以設置順序部分請求(一部分的進行爬取網(wǎng)頁內(nèi)容)。

總之,爬蟲有風險,測試需謹慎?。?!

以上就是Python爬取網(wǎng)頁信息的示例的詳細內(nèi)容,更多關于Python爬取網(wǎng)頁信息的資料請關注腳本之家其它相關文章!

相關文章

  • 在TensorFlow中屏蔽warning的方式

    在TensorFlow中屏蔽warning的方式

    今天小編就為大家分享一篇在TensorFlow中屏蔽warning的方式,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
    2020-02-02
  • Python 無限級分類樹狀結(jié)構(gòu)生成算法的實現(xiàn)

    Python 無限級分類樹狀結(jié)構(gòu)生成算法的實現(xiàn)

    這篇文章主要介紹了Python 無限級分類樹狀結(jié)構(gòu)生成算法的實現(xiàn),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2021-01-01
  • Python函數(shù)關鍵字參數(shù)及用法詳解

    Python函數(shù)關鍵字參數(shù)及用法詳解

    本文主要介紹了Python函數(shù)關鍵字參數(shù)及用法詳解,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2023-03-03
  • Python asyncio異步編程常見問題小結(jié)

    Python asyncio異步編程常見問題小結(jié)

    本文主要介紹了Python asyncio異步編程常見問題小結(jié),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2023-01-01
  • python opencv實現(xiàn)旋轉(zhuǎn)矩形框裁減功能

    python opencv實現(xiàn)旋轉(zhuǎn)矩形框裁減功能

    這篇文章主要為大家詳細介紹了python opencv實現(xiàn)旋轉(zhuǎn)矩形框裁減功能,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2018-07-07
  • 在Python中處理XML的教程

    在Python中處理XML的教程

    這篇文章主要介紹了在Python中處理XML的教程,是Python網(wǎng)絡編程中的基礎知識,需要的朋友可以參考下
    2015-04-04
  • Python?tkinter中四個常用按鈕的用法總結(jié)

    Python?tkinter中四個常用按鈕的用法總結(jié)

    tkinter中有四個控件被冠以Button之名,分別是:Button,?Checkbutton,?Radiobutton,?Menubutton,下面小編就來和大家聊聊它們的具體用法,感興趣的可以學習一下
    2023-09-09
  • python?多線程threading程序詳情

    python?多線程threading程序詳情

    這篇文章主要介紹了python?多線程threading程序詳情,Thread類表示在單獨的控制線程中運行的活動,下文相關資料需要的小伙伴可以參考一下
    2022-04-04
  • python文件與目錄操作實例詳解

    python文件與目錄操作實例詳解

    這篇文章主要介紹了python文件與目錄操作方法,結(jié)合實例形式詳細分析了Python關于文件與目錄操作的常見技巧與使用方法,需要的朋友可以參考下
    2016-02-02
  • python如何實現(xiàn)全角半角的相互轉(zhuǎn)換

    python如何實現(xiàn)全角半角的相互轉(zhuǎn)換

    這篇文章主要介紹了python如何實現(xiàn)全角半角的相互轉(zhuǎn)換方式,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
    2023-11-11

最新評論

进贤县| 信阳市| 永州市| 英超| 昌宁县| 阿克| 凯里市| 常德市| 大庆市| 杭锦后旗| 巴林右旗| 江油市| 大石桥市| 阜康市| 公主岭市| 瑞丽市| 鄂托克旗| 吴桥县| 郁南县| 翁牛特旗| 淅川县| 怀仁县| 商河县| 万州区| 永吉县| 石城县| 商南县| 台安县| 泉州市| 桂东县| 金堂县| 安岳县| 罗甸县| 土默特左旗| 揭东县| 九寨沟县| 崇礼县| 大城县| 石景山区| 瓦房店市| 云和县|