python如何实现网络爬虫

python实现网络爬虫的方法：1、使用request库中的get方法，请求url的网页内容；2、【find()】和【find_all()】方法可以遍历这个html文件，提取指定信息。

python实现网络爬虫的方法：

第一步：爬取

使用request库中的get方法，请求url的网页内容

编写代码

[root@localhost demo]# touch demo.py [root@localhost demo]# vim demo.py

#web爬虫学习 -- 分析 #获取页面信息   #输入：url #处理：request库函数获取页面信息，并将网页内容转换成为人能看懂的编码格式 #输出：爬取到的内容   import requests   def getHTMLText(url):     try:         r = requests.get( url, timeout=30 )         r.raise_for_status()    #如果状态码不是200，产生异常         r.encoding = 'utf-8'    #字符编码格式改成 utf-8         return r.text     except:         #异常处理         return " error "   url = "http://www.baidu.com" print( getHTMLText(url) )

[root@localhost demo]# python3 demo.py

第二步：分析

使用bs4库中BeautifulSoup类，生成一个对象。find()和find_all()方法可以遍历这个html文件，提取指定信息。

编写代码

[root@localhost demo]# touch demo1.py [root@localhost demo]# vim demo1.py #web爬虫学习 -- 分析 #获取页面信息   #输入：url #处理：request库获取页面信息，并从爬取到的内容中提取关键信息 #输出：打印输出提取到的关键信息   import requests from bs4 import BeautifulSoup import re   def getHTMLText(url):     try:         r = requests.get( url, timeout=30 )         r.raise_for_status()    #如果状态码不是200，产生异常         r.encoding = 'utf-8'    #字符编码格式改成 utf-8         return r.text     except:         #异常处理         return " error "   def findHTMLText(text):     soup = BeautifulSoup( text, "html.parser" )    #返回BeautifulSoup对象     return soup.find_all(string=re.compile( '百度' )) #结合正则表达式，实现字符串片段匹配   url = "http://www.baidu.com" text = getHTMLText(url)        #获取html文本内容 res = findHTMLText(text)    #匹配结果   print(res)        #打印输出

[root@localhost demo]# python3 demo1.py

相关免费学习推荐：python视频教程

以上就是python如何实现网络爬虫的详细内容，更多内容请关注技术你好其它相关文章！