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判断文件和文件夹是否存在的方法
May 21 Python
Python整型运算之布尔型、标准整型、长整型操作示例
Jul 21 Python
基于python神经卷积网络的人脸识别
May 24 Python
详解Django 中是否使用时区的区别
Jun 14 Python
python DataFrame 取差集实例
Jan 30 Python
python pandas生成时间列表
Jun 29 Python
PIL图像处理模块paste方法简单使用详解
Jul 17 Python
Python制作简易版小工具之计算天数的实现思路
Feb 13 Python
Python异常继承关系和自定义异常实现代码实例
Feb 20 Python
如何利用Python识别图片中的文字
May 31 Python
pdf论文中python画的图Type 3 fonts字体不兼容的解决方案
Apr 24 Python
Python基础详解之描述符
Apr 28 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
PHP_MySQL教程-第一天
2007/03/18 PHP
php 命名空间(namespace)原理与用法实例小结
2019/11/13 PHP
Javascript 获取LI里的内容
2008/12/17 Javascript
js 内存释放问题
2010/04/25 Javascript
IE下js调试工具Companion.JS
2010/10/15 Javascript
详解jQuery插件开发中的extend方法
2013/11/19 Javascript
我的NodeJs学习小结(一)
2014/07/06 NodeJs
jQuery插件slick实现响应式移动端幻灯片图片切换特效
2015/04/12 Javascript
JavaScript实现简单Tip提示框效果
2016/04/20 Javascript
BootStrap使用file-input插件上传图片的方法
2016/09/05 Javascript
微信小程序 教程之列表渲染
2016/10/18 Javascript
JS仿JQuery选择器功能
2017/03/08 Javascript
JS简单判断滚动条的滚动方向实现方法
2017/04/28 Javascript
详解Angular 开发环境搭建
2017/06/22 Javascript
Bootstrap与Angularjs的模态框实例代码
2017/08/03 Javascript
Vue.js组件间的循环引用方法示例
2017/12/27 Javascript
如何为你的JS项目添加智能提示与类型检查详解
2019/03/12 Javascript
Vue中watch、computed、updated三者的区别及用法
2020/07/27 Javascript
vue自定义组件实现双向绑定
2021/01/13 Vue.js
Python实现的文本简单可逆加密算法示例
2017/05/18 Python
Python环境搭建之OpenCV的步骤方法
2017/10/20 Python
tensorflow中next_batch的具体使用
2018/02/02 Python
Python cookbook(数据结构与算法)对切片命名清除索引的方法
2018/03/13 Python
Python 文本文件内容批量抽取实例
2018/12/10 Python
在python中按照特定顺序访问字典的方法详解
2018/12/14 Python
利用Python模拟登录pastebin.com的实现方法
2019/07/12 Python
tensorflow模型保存、加载之变量重命名实例
2020/01/21 Python
从多个tfrecord文件中无限读取文件的例子
2020/02/17 Python
Tensorflow tf.tile()的用法实例分析
2020/05/22 Python
三星新西兰官网:Samsung新西兰
2019/03/05 全球购物
荷兰游戏商店:Allyouplay
2019/03/16 全球购物
房地产管理毕业生自荐信
2013/11/04 职场文书
政协常委会议主持词
2015/07/03 职场文书
MySQL 分组查询的优化方法
2021/05/12 MySQL
CSS+HTML 实现顶部导航栏功能
2021/08/30 HTML / CSS
Java服务调用RestTemplate与HttpClient的使用详解
2022/06/21 Java/Android