python爬虫爬取网页数据并解析数据


Posted in Python onSeptember 18, 2020

1.网络爬虫的基本概念

网络爬虫(又称网络蜘蛛,机器人),就是模拟客户端发送网络请求,接收请求响应,一种按照一定的规则,自动地抓取互联网信息的程序。
只要浏览器能够做的事情,原则上,爬虫都能够做到。

2.网络爬虫的功能

python爬虫爬取网页数据并解析数据

网络爬虫可以代替手工做很多事情,比如可以用于做搜索引擎,也可以爬取网站上面的图片,比如有些朋友将某些网站上的图片全部爬取下来,集中进行浏览,同时,网络爬虫也可以用于金融投资领域,比如可以自动爬取一些金融信息,并进行投资分析等。

有时,我们比较喜欢的新闻网站可能有几个,每次都要分别打开这些新闻网站进行浏览,比较麻烦。此时可以利用网络爬虫,将这多个新闻网站中的新闻信息爬取下来,集中进行阅读。

有时,我们在浏览网页上的信息的时候,会发现有很多广告。此时同样可以利用爬虫将对应网页上的信息爬取过来,这样就可以自动的过滤掉这些广告,方便对信息的阅读与使用。

有时,我们需要进行营销,那么如何找到目标客户以及目标客户的联系方式是一个关键问题。我们可以手动地在互联网中寻找,但是这样的效率会很低。此时,我们利用爬虫,可以设置对应的规则,自动地从互联网中采集目标用户的联系方式等数据,供我们进行营销使用。

有时,我们想对某个网站的用户信息进行分析,比如分析该网站的用户活跃度、发言数、热门文章等信息,如果我们不是网站管理员,手工统计将是一个非常庞大的工程。此时,可以利用爬虫轻松将这些数据采集到,以便进行进一步分析,而这一切爬取的操作,都是自动进行的,我们只需要编写好对应的爬虫,并设计好对应的规则即可。

除此之外,爬虫还可以实现很多强大的功能。总之,爬虫的出现,可以在一定程度上代替手工访问网页,从而,原先我们需要人工去访问互联网信息的操作,现在都可以用爬虫自动化实现,这样可以更高效率地利用好互联网中的有效信息。

3.安装第三方库

在进行爬取数据和解析数据前,需要在Python运行环境中下载安装第三方库requests。

在Windows系统中,打开cmd(命令提示符)界面,在该界面输入pip install requests,按回车键进行安装。(注意连接网络)如下图

python爬虫爬取网页数据并解析数据

安装完成,如图

python爬虫爬取网页数据并解析数据

4.爬取淘宝首页

# 请求库
import requests
# 用于解决爬取的数据格式化
import io
import sys
sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='utf-8')
# 爬取的网页链接
r= requests.get("https://www.taobao.com/")
# 类型
# print(type(r))
print(r.status_code)
# 中文显示
# r.encoding='utf-8'
r.encoding=None
print(r.encoding)
print(r.text)
result = r.text

运行结果,如图

python爬虫爬取网页数据并解析数据

5.爬取和解析淘宝网首页

# 请求库
import requests
# 解析库
from bs4 import BeautifulSoup
# 用于解决爬取的数据格式化
import io
import sys
sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='utf-8')
# 爬取的网页链接
r= requests.get("https://www.taobao.com/")
# 类型
# print(type(r))
print(r.status_code)
# 中文显示
# r.encoding='utf-8'
r.encoding=None
print(r.encoding)
print(r.text)
result = r.text
# 再次封装,获取具体标签内的内容
bs = BeautifulSoup(result,'html.parser')
# 具体标签
print("解析后的数据")
print(bs.span)
a={}
# 获取已爬取内容中的script标签内容
data=bs.find_all('script')
# 获取已爬取内容中的td标签内容
data1=bs.find_all('td')
# 循环打印输出
for i in data:
 a=i.text
 print(i.text,end='')
 for j in data1:
  print(j.text)

运行结果,如图

python爬虫爬取网页数据并解析数据

6.小结

在对网页代码进行爬取操作时,不能频繁操作,更不要将其设置成死循环模式(每一次爬取则为对网页的访问,频繁操作会导致系统崩溃,会追究其法律责任)。

所以在获取网页数据后,将其保存为本地文本模式,再对其进行解析(不再需要访问网页)。

以上就是python爬虫爬取网页数据并解析数据的详细内容,更多关于python爬取网页数据并解析的资料请关注三水点靠木其它相关文章!

Python 相关文章推荐
Python的lambda匿名函数的简单介绍
Apr 25 Python
python多线程抓取天涯帖子内容示例
Apr 03 Python
在Python中使用zlib模块进行数据压缩的教程
Jun 26 Python
利用Python学习RabbitMQ消息队列
Nov 30 Python
python中使用print输出中文的方法
Jul 16 Python
python根据list重命名文件夹里的所有文件实例
Oct 25 Python
Python版名片管理系统
Nov 30 Python
python判断文件是否存在,不存在就创建一个的实例
Feb 18 Python
postman模拟访问具有Session的post请求方法
Jul 15 Python
Python之time模块的时间戳,时间字符串格式化与转换方法(13位时间戳)
Aug 12 Python
python函数装饰器之带参数的函数和带参数的装饰器用法示例
Nov 06 Python
Python连续赋值需要注意的一些问题
Jun 03 Python
Python实现迪杰斯特拉算法过程解析
Sep 18 #Python
Python 操作 MySQL数据库
Sep 18 #Python
python实现人工蜂群算法
Sep 18 #Python
Python猫眼电影最近上映的电影票房信息
Sep 18 #Python
python实现简单遗传算法
Sep 18 #Python
详解python 支持向量机(SVM)算法
Sep 18 #Python
python利用线程实现多任务
Sep 18 #Python
You might like
数据库的日期格式转换
2006/10/09 PHP
PHP日期时间函数的高级应用技巧
2009/05/16 PHP
PHP多线程抓取网页实现代码
2010/07/22 PHP
php中Ctype函数用法详解
2014/12/09 PHP
php实现MySQL数据库备份与还原类实例
2014/12/09 PHP
php实现用户登陆简单实例
2017/04/04 PHP
使用PHP+Redis实现延迟任务,实现自动取消订单功能
2019/11/21 PHP
HTML颜色选择器实现代码
2010/11/23 Javascript
使用JavaScript动态设置样式实现代码(2)
2013/01/25 Javascript
js过滤特殊字符输入适合输入、粘贴、拖拽多种情况
2014/03/22 Javascript
javascript函数声明和函数表达式区别分析
2014/12/02 Javascript
jQuery遍历DOM元素与节点方法详解
2016/04/14 Javascript
bootstrap输入框组使用方法
2017/02/07 Javascript
Angularjs验证用户输入的字符串是否为日期时间
2017/06/01 Javascript
vue中的event bus非父子组件通信解析
2017/10/27 Javascript
基于zTree树形菜单的使用实例
2017/12/25 Javascript
详解使用React.memo()来优化函数组件的性能
2019/03/19 Javascript
IE11下CKEditor在Bootstrap Modal中下拉问题的解决
2019/09/25 Javascript
JavaScript 变量,数据类型基础实例详解【变量、字符串、数组、对象等】
2020/01/04 Javascript
JS使用for in有序获取对象数据
2020/05/19 Javascript
TensorFlow安装及jupyter notebook配置方法
2017/09/08 Python
python 动态加载的实现方法
2017/12/22 Python
解决python nohup linux 后台运行输出的问题
2018/05/11 Python
对Django 转发和重定向的实例详解
2019/08/06 Python
python multiprocessing多进程变量共享与加锁的实现
2019/10/02 Python
python实现学生信息管理系统源码
2021/02/22 Python
IE浏览器单独写CSS样式的几种方法
2014/10/14 HTML / CSS
国际知名设计师时装商店:Coggles
2016/09/05 全球购物
Hotter Shoes英国官网:英伦风格,舒适的鞋子
2017/12/28 全球购物
Juicy Couture Beauty官方网站:香水和化妆品
2019/03/12 全球购物
计算机专业职业规划
2014/02/28 职场文书
2014年清明节寄语
2014/04/03 职场文书
网络编辑求职信
2014/04/30 职场文书
交通事故责任认定书
2015/08/06 职场文书
JavaScript实现贪吃蛇游戏
2021/06/16 Javascript
React-vscode使用jsx语法的问题及解决方法
2021/06/21 Javascript