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
爬山算法简介和Python实现实例
Apr 26 Python
Python实现扫描指定目录下的子目录及文件的方法
Jul 16 Python
在Python的setuptools框架下生成egg的教程
Apr 13 Python
python中函数总结之装饰器闭包详解
Jun 12 Python
python使用标准库根据进程名如何获取进程的pid详解
Oct 31 Python
Python 删除连续出现的指定字符的实例
Jun 29 Python
Python使用paramiko操作linux的方法讲解
Feb 25 Python
python 判断linux进程,并杀死进程的实现方法
Jul 01 Python
python基于FTP实现文件传输相关功能代码实例
Sep 28 Python
Python 继承,重写,super()调用父类方法操作示例
Sep 29 Python
Python PyPDF2模块安装使用解析
Jan 19 Python
Keras - GPU ID 和显存占用设定步骤
Jun 22 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
如何使用PHP获取网络上文件
2006/10/09 PHP
PHP的变量类型和作用域详解
2014/03/12 PHP
php中ltrim()、rtrim()与trim()删除字符空格实例
2014/11/25 PHP
php自定义urlencode,urldecode函数实例
2015/03/24 PHP
Javascript 面向对象 命名空间
2010/05/13 Javascript
alert中断settimeout计时功能
2013/07/26 Javascript
IE8的JavaScript点击事件(onclick)不兼容的解决方法
2013/11/22 Javascript
浅析document.ready和window.onload的区别讲解
2013/12/18 Javascript
JavaScript 实现简单的倒计时弹窗DEMO附图
2014/03/05 Javascript
jQuery+html5实现div弹出层并遮罩背景
2015/04/15 Javascript
jQuery实现带玻璃流光质感的手风琴特效
2015/11/20 Javascript
利用jQuery中的ajax分页实现代码
2016/02/25 Javascript
Ajax异步获取html数据中包含js方法无效的解决方法
2017/02/20 Javascript
详解vue前后台数据交互vue-resource文档
2017/07/19 Javascript
详解React 在服务端渲染的实现
2017/11/16 Javascript
JS函数内部属性之arguments和this实例解析
2018/10/07 Javascript
Vue CLI2升级至Vue CLI3的方法步骤
2019/05/20 Javascript
layui table去掉右侧滑动条的实现方法
2019/09/05 Javascript
详解Python中的文本处理
2015/04/11 Python
Django中的CACHE_BACKEND参数和站点级Cache设置
2015/07/23 Python
python多维数组切片方法
2018/04/13 Python
numpy 进行数组拼接,分别在行和列上合并的实例
2018/05/08 Python
Python爬虫PyQuery库基本用法入门教程
2018/08/04 Python
设置jupyter中DataFrame的显示限制方式
2020/04/12 Python
基于Python的图像阈值化分割(迭代法)
2020/11/20 Python
英国演唱会订票网站:Ticket Selection
2018/03/27 全球购物
英国Office鞋店德国网站:在线购买鞋子、靴子和运动鞋
2018/12/19 全球购物
教育专业自荐书范文
2013/12/17 职场文书
职员竞岗演讲稿
2014/05/14 职场文书
生产助理岗位职责
2014/06/18 职场文书
2014年党风建设工作总结
2014/11/19 职场文书
电力安全学习心得体会
2016/01/18 职场文书
Python Pandas数据分析之iloc和loc的用法详解
2021/11/11 Python
Nginx动静分离配置实现与说明
2022/04/07 Servers
Python中文分词库jieba(结巴分词)详细使用介绍
2022/04/07 Python
国际最新研究在陨石中发现DNA主要成分 或由陨石带来地球
2022/04/29 数码科技