Python 简单的爬虫爬取网页框架(爬取网页框架+实例)
Python 这是一个基础的爬虫网页框架
Python爬取网页内容,其实大部分爬取都是在其源代码中寻找代码规律。
举个例子吧:
如:小说名的章节节数,第1~100章,我们找的话就是找第[ ]章中的[ ]内容,然后根据章节网页链接寻找规律进行跳转,把有规律的数字部分进行研究。
当然,我这次举的例子是爬取的豆瓣的top 500,网页电影名,评分,评论。
爬取效果部分
下面是代码部分:
不懂的地方,可以自己进行测试来加深自己的映像,感觉到了就抓住这个点去死磕它,通过解决问题,这样你就可以学会自己去掌握它。
本次爬虫涉及几个知识点.
- 正则表达式
- 文件的写入
- 异常抛出处理
# 爬取豆瓣top 500
# 电影名,评分,评论
# 难易:⭐⭐
# 一.导入
# import re 导入re包
# import requests 导入正则表达式
#
# def aa():
# rest = requests.get('https://movie.douban.com/top250') 二.访问链接# s = rest.content.decode() 三.获取该网页源代码# 四.编写正则表达式,取到所需内容# ss = re.findall(r'<span class="title">(.*)</span>',s) 爬取片名
# ss1 =re.findall(r'<span class="rating_num" property="v:average">(.*)</span>',s) 爬取评分
# ss2=re.findall(r'<span>(\d*)人评价</span>',s) 爬取评论# 五.去除无关信息
# b = []
# for i in range(len(ss)):
# aa = re.findall(r' .*', ss[i])
# if aa == []:
# b.append(ss[i]) 得到所需信息 b=ss#六.写入文件
# for i in range(len(b)):
# print(b[i], ss1[i], ss2[i])
# with open(r"C:\Users\\陈嘉玉\Desktop\ex.txt",'a+') as ff:
# ff.writelines(b[i]+' '+ss1[i]+' '+ss2[i]+'\n')#七.抛出异常
# try:
# aa()
# print("已爬取")
# # except Exception as c:##
# # print("爬取失败,错误提示:"+c)##
# else:
# print("爬取失败,错误提示:"+c)
Python 简单的爬虫爬取网页框架(爬取网页框架+实例)相关推荐
- python简单网站爬虫-爬取北京7天最高、最低气温
python简单网站爬虫-爬取北京7天最高.最低气温 前置操作: 1.待爬取网站: 北京天气的网址: http://www.weather.com.cn/weather1d/101010100.sht ...
- 212:Python学习之爬虫篇——用Json方法爬取某音乐网站任意歌手的歌单
引言 人生苦短,我用Python.这两天在学爬虫的时候跟着做某音乐网站的歌单爬取,稍作修改,实现了对任意歌手的歌单进行爬取,这里只取前三页.这个项目比较简单,也没有对结果进行储存,稍作修改,可以实现更 ...
- Python学习笔记——爬虫原理与Requests数据抓取
目录 为什么要做网络爬虫? 通用爬虫和聚焦爬虫 HTTP和HTTPS 客户端HTTP请求 请求方法 HTTP请求主要分为Get和Post两种方法 常用的请求报头 1. Host (主机和端口号) 2. ...
- python爬虫淘宝实例-python 淘宝爬虫示例源码(抓取天猫数据)
[实例简介]爬取淘宝 天猫网站数据 [实例截图] [核心代码] # -*- coding: utf-8 -*- #!/usr/bin/env python import datetime import ...
- Python之Scrapy爬虫(热门网站数据爬取)
第一关:猫眼电影排行TOP100信息爬取 代码: item.py文件 import scrapy class MaoyanItem(scrapy.Item):#********** Begin *** ...
- 简单的爬虫 从营养健康网爬取食物热量和营养成分等信息
最近所做课题需要获得大量的食物信息,但很难找到相关匹配的数据库.由于本人的专业不是偏算法的,所以对于爬虫这方面的知识是一片空白.在结合拜读了一些博主有关于爬虫的文章,以及自己实际的测试爬虫过程遇到的一 ...
- python简单的爬虫教程中召唤小海龟_Python练习,网络小爬虫(初级)
标签: 最近还在看Python版的rcnn代码,附带练习Python编程写一个小的网络爬虫程序. 抓取网页的过程其实和读者平时使用IE浏览器浏览网页的道理是一样的.比如说你在浏览器的地址栏中输入 ...
- python简单的爬虫教程中召唤小海龟_Python爬虫入门小练习之简单的50行(一)
HI 最近得空,小看了一下python爬虫方面的资料,于是就打算把笔记和代码练习整理成文章分享给大家. 一.先来认识一下啥玩意叫爬虫吧 爬虫的目的:数据 1.企业内部数据 由企业内部服务器产生的数据 ...
- python简单网络爬虫_【Python】简单的网络爬虫
完整代码 # encoding:UTF-8 # from bs4 import BeautifulSoup import urlparse import urllib2 import re impor ...
- Python简单图片爬虫
经常在逛知乎,有时候希望把一些问题的图片集中保存起来.于是就有了这个程序.这是一个非常简单的图片爬虫程序,只能爬取已经刷出来的部分的图片.由于对这一部分内容不太熟悉,所以只是简单说几句然后记录代码,不 ...
最新文章
- java多态口诀,Java之路---Day12(多态),多态Java
- Selenium VS QTP
- asp.net使用httphandler打包多CSS或JS文件以加快页面加载速度
- BI工具升级动态增量新功能,让大数据量入集市更便捷
- css 高度塌陷_HTML+CSS入门 HTML高度塌陷以及定位详解
- JavaEE实战班第九天
- python打开csv文件画散点图_在Python 3.6中从CSV绘制纬度经度
- Spring的事务管理
- vsftp的简单搭建
- hfss史密斯图_这个史密斯圆图代表什么意思啊
- Matlab:求出n边凹多边形内角
- Word 去除页眉横线
- PhpStorm Unhandled exceptions错误解决
- DSP6713 Simulator HelloWorld与LED
- java取拼音首字母
- (设计模式)Adaptor、Decorator与Facade模式
- Vue组件间通信之$emit/$on
- 京东数科一面实习面经
- python获取路由器信息_python 3.5实现检测路由器流量并写入txt的方法实例
- Ubuntu如何开启root账户登录