博学谷 > 资讯 > Python > 如何实现python爬虫？python爬虫好学吗？

原创 如何实现python爬虫？python爬虫好学吗？

发布时间：2019-06-06 15:51:22 浏览 2226 来源：博学谷资讯 作者：枫调

    　　很多人喜欢将python作为自己的主开发语言，不仅仅是因为python的功能强大，更重要的是Python的代码简单易上手，并且相对应用领域非常广泛。想学习python的朋友一般都会从学习基础语言或者爬虫开始。那如何实现python爬虫？python爬虫好学吗？小编就和大家一起了解一下。

    如何实现python爬虫？python爬虫好学吗？

    　　一：爬虫准备

     

    　　1.爬虫首先需要做的事情就是要确定好你想要爬取数据的对象，这里我将以百度主页logo图片的地址为例进行讲解。

    　　2.首先，是打开百度主页界面，然后把鼠标移动到主页界面的百度logo图标上面，点击鼠标右键，然后点击审查元素，即可打开开发者界面。

    　　3.然后再下面的界面里面，可以看到该logo图标在HTML里面的排版模式，<img hidefocus="true" src="//百度/img/bd_logo1.png" width="270" height="129">，这里百度我用字替换了。

     

    　　二：开始爬虫

     

    　　1.爬虫主要分为两个部分，第一个是网页界面的获取，第二个是网页界面的解析;爬虫的原理是利用代码模拟浏览器访问网站，与浏览器不同的是，爬虫获取到的是网页的源代码，没有了浏览器的翻译效果。

    　　2.首先，我们进行页面获取，python爬虫的话很多模块包提供给开发者直接抓取网页，urllib，urllib2，requests(urllib3)等等，这里我们使用urllib2进行网站页面的获取;首先导入urllib2模块包(该包是默认安装的)：import urllib2

    　　3.导入模块包之后，然后调用urllib2中的urlopen方法链接网站，代码如下repr = urllib2.urlopen("XXXXXX"),XXXXXX代表的是网站名称。

    　　4.得到网站的响应之后，然后就是将页面的源代码读取出来，调用read方法，html = repr.read()

    　　5.获取到页面的源代码之后，然后接下来的工作就是将自己想要的数据从html界面源代码中解析出来，解析界面的模块包有很多，原始的re，好用的BeautifulSoup，以及高大上的lxml等等，这里我就简单的用re介绍介绍，首先导入re模块包：import re

    　　6.然后进行利用re进行搜索，这里我有使用正则表达式，看不懂的同学需去补充点正则表达式方面的知识。

    　　7.然后，我这里就实现了一个简单的爬虫流程，打印url，可以看见刚好就是之前我们看见的百度主页logo的地址。

    　　8.源代码：

    　　import urllib2

    　　repr = urllib2.urlopen("URL")

    　　html = repr.read()

    　　import re

    　　省略一行代码

    　　print url

     

    　　以上就是和大家分享的实现爬虫的一个真实案例。希望大家能够对爬虫有一个了解。当然在python学习中一定要自己亲手联系，目前企业对于求知者的要求更加注重其实战能力。所以掌握爬虫技术仅仅是入门，最好是能够熟练的应用。

Python爬虫 Python课程 Python入门

—    申请免费试学名额    —

在职想转行提升，担心学不会？根据个人情况规划学习路线，闯关式自适应学习模式保证学习效果
讲师一对一辅导，在线答疑解惑，指导就业！

领取成功
领取失败
上一篇：零基础学Python哪里好？为什么？ 下一篇：Lambda表达式在Python中的优点和缺点

相关推荐 更多

最新文章

扫描二维码，回复"Python"获取100G资料包