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
详尽讲述用Python的Django框架测试驱动开发的教程
Apr 22 Python
django接入新浪微博OAuth的方法
Jun 29 Python
Python教程之全局变量用法
Jun 27 Python
pandas分别写入excel的不同sheet方法
Dec 11 Python
Python Matplotlib实现三维数据的散点图绘制
Mar 19 Python
详解用Python实现自动化监控远程服务器
May 18 Python
python ChainMap 合并字典的实现步骤
Jun 11 Python
python全栈知识点总结
Jul 01 Python
python 怎样将dataframe中的字符串日期转化为日期的方法
Sep 26 Python
Windows下PyCharm2018.3.2 安装教程(图文详解)
Oct 24 Python
Pytorch中膨胀卷积的用法详解
Jan 07 Python
分享3个非常实用的 Python 模块
Mar 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
PHP生成迅雷、快车、旋风等软件的下载链接代码实例
2014/05/12 PHP
php中chdir()函数用法实例
2014/11/13 PHP
Yii2中如何使用modal弹窗(基本使用)
2016/05/30 PHP
thinkphp框架实现删除和批量删除
2016/06/29 PHP
PHP常用的三种设计模式汇总
2016/08/28 PHP
phpQuery采集网页实现代码实例
2020/04/02 PHP
深入理解JavaScript是如何实现继承的
2013/12/12 Javascript
禁用JavaScript控制台调试的方法
2014/03/07 Javascript
我的Node.js学习之路(三)--node.js作用、回调、同步和异步代码 以及事件循环
2014/07/06 Javascript
js实现字符串转日期格式的方法
2015/05/20 Javascript
Javascript使用post方法提交数据实例
2015/08/03 Javascript
正则表达式优化JSON字符串的技巧
2015/12/24 Javascript
WordPress中利用AJAX技术进行评论提交的实现示例
2016/01/12 Javascript
微信小程序自动客服功能
2017/11/02 Javascript
Vue使用Three.js加载glTF模型的方法详解
2020/06/14 Javascript
vue如何在项目中调用腾讯云的滑动验证码
2020/07/15 Javascript
[00:48]DOTA2国际邀请赛公开赛报名开始 扫码开启逐梦之旅
2018/06/06 DOTA
[51:00]Secret vs VGJ.S 2018国际邀请赛淘汰赛BO3 第一场 8.24
2018/08/25 DOTA
pyside写ui界面入门示例
2014/01/22 Python
python解析xml文件实例分析
2015/05/27 Python
Python中pygame的mouse鼠标事件用法实例
2015/11/11 Python
python ChainMap的使用和说明详解
2019/06/11 Python
pygame实现俄罗斯方块游戏(基础篇2)
2019/10/29 Python
德国狗狗用品在线商店:Schecker
2017/03/17 全球购物
介绍下static、final、abstract区别
2015/01/30 面试题
程序员经常用到的UNIX命令
2015/04/13 面试题
社区党总支书记先进事迹材料
2014/01/24 职场文书
数控机床专业自荐信
2014/05/19 职场文书
2014年销售员工作总结
2014/12/01 职场文书
研究生导师评语
2014/12/31 职场文书
党员个人总结自评
2015/02/14 职场文书
个人专业技术总结
2015/03/05 职场文书
婚宴新郎致辞
2015/07/28 职场文书
领导激励员工的演讲稿,各种会上用得到,建议收藏
2019/08/13 职场文书
创业计划书之网吧
2019/10/10 职场文书
Python 中 Shutil 模块详情
2021/11/11 Python