python编写简单爬虫资料汇总,python爬虫资料汇总

您可能感兴趣的文章:

您可能感兴趣的文章:

  • python模拟新浪微博登陆功能(新浪微博爬虫)
  • Python爬虫框架Scrapy安装使用步骤
  • python抓取网页图片示例(python爬虫)
  • 使用Python编写简单网络爬虫抓取视频下载资源
  • 零基础写python爬虫之爬虫编写全记录
  • 零基础写python爬虫之使用Scrapy框架编写爬虫
  • Python实现抓取页面上链接的简单爬虫分享
  • python3简单实现微信爬虫
  • python编写爬虫小程序
  • 基python实现多线程网页爬虫
  • Python爬虫抓取手机APP的传输数据
  • Python爬虫模拟登录带验证码网站
  • Python多线程爬虫简单示例

http://www.bkjia.com/Pythonjc/1113765.htmlwww.bkjia.comtruehttp://www.bkjia.com/Pythonjc/1113765.htmlTechArticlepython编写简单爬虫资料汇总,python爬虫资料汇总
爬虫真是一件有意思的事儿啊,之前写过爬虫,用的是urllib2、BeautifulSoup实现简单爬虫,…

简洁代码:

python编写简单爬虫资料汇总,python爬虫资料汇总

  爬虫真是一件有意思的事儿啊,之前写过爬虫,用的是urllib2、BeautifulSoup实现简单爬虫,scrapy也有实现过。最近想更好的学习爬虫,那么就尽可能的做记录吧。这篇博客就我今天的一个学习过程写写吧。

一 正则表达式

  正则表达式是一个很强大的工具了,众多的语法规则,我在爬虫中常用的有:

. 匹配任意字符(换行符除外)
* 匹配前一个字符0或无限次
? 匹配前一个字符0或1次
.* 贪心算法
.*? 非贪心算法
(.*?) 将匹配到的括号中的结果输出
\d 匹配数字
re.S 使得.可以匹配换行符

  常用的方法有:find_all(),search(),sub()

  对以上语法方法做以练习,代码见:https://github.com/Ben0825/Crawler/blob/master/re\_test.py

二 urllib和urllib2

  urllib和urllib2库是学习Python爬虫最基本的库,利用该库,我们可以得到网页的内容,同时,可以结合正则对这些内容提取分析,得到真正想要的结果。

  在此将urllib和urllib2结合正则爬取了糗事百科中的作者点赞数内容。

  代码见:https://github.com/Ben0825/Crawler/blob/master/qiubai\_test.py

三 BeautifulSoup

  BeautifulSoup是Python的一个库,最主要的功能是从网页抓取数据,官方介绍是这样的:
  Beautiful Soup 提供一些简单的、python
式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱,通过解析文档为用户提供需要抓取的数据,因为简单,所以不需要多少代码就可以写出一个完整的应用程序。
  Beautiful Soup 自动将输入文档转换为 Unicode 编码,输出文档转换为
utf-8
编码。你不需要考虑编码方式,除非文档没有指定一个编码方式,这时,Beautiful
Soup
就不能自动识别编码方式了。然后,你仅仅需要说明一下原始编码方式就可以了。
  Beautiful Soup 已成为和 lxml、html6lib 一样出色的 python
解释器,为用户灵活地提供不同的解析策略或强劲的速度。

  首先:爬取百度百科Python词条下相关的100个页面,爬取的页面值自己设定。

  代码详见:https://github.com/Ben0825/Crawler/tree/master/python\_baike\_Spider

  代码运行:

  图片 1

       图片 2

  巩固篇,依据豆瓣中图书的标签得到一个书单,同样使用BeautifulSoup。

  代码详见:https://github.com/Ben0825/Crawler/blob/master/doubanTag.py

  运行结果:  

图片 3

   以上就是今天学习的一些内容,爬虫真的很有意思啊,明天继续学scrapy!

图片 4

本文实例主要实现的是使用urllib和BeautifulSoup爬取维基百科的词条,具体如下。

运行结果:

相关文章