使用python寫爬蟲的方法

這篇文章主要介紹了使用python寫爬蟲的方法，具有一定借鑒價值，需要的朋友可以參考下。希望大家閱讀完這篇文章后大有收獲。下面讓小編帶著大家一起了解一下。

用python寫爬蟲的流程和思路如下，有需要的小伙伴可以借鑒..

1. 整體思路流程

通過URL獲取說要爬取的頁面的響應信息（Requests庫的使用）

通過python中的解析庫來對response進行結構化解析（BeautifulSoup庫的使用）

通過對解析庫的使用和對所需要的信息的定位從response中獲取需要的數據（selecter和xpath的使用）

將數據組織成一定的格式進行保存（MongoDB的使用）

通過對數據庫中的數據進行篩選和組織，進行數據可視化的初步展示（HighCharts庫的使用）

2. 簡單代碼演示

 準備工作

下載并安裝所需要的python庫，包括：

requests庫：用于向指定url發起請求

BeautifulSoup庫：用于解析返回的網頁信息

lxml庫：用于解析網頁返回結果

pymongo庫：用于實現python對MongoDB的操作

3. 對所需要的網頁進行請求并解析返回的數據

對于想要做一個簡單的爬蟲而言，這一步其實很簡單，主要是通過requests庫來進行請求，然后對返回的數據進行一個解析，解析之后通過對于元素的定位和選擇來獲取所需要的數據元素，進而獲取到數據的一個過程。（更多學習內容，請點擊python學習網。）

一個簡單的網絡爬蟲示例

import requests
from bs4 import BeautifulSoup

#58同城的二手市場主頁面
start_url = 'http://bj.58.com/sale.shtml'
url_host = 'http://bj.58.com'
#定義一個爬蟲函數來獲取二手市場頁面中的全部大類頁面的連接
def get_channel_urls(url):
    #使用Requests庫來進行一次請求
    web_data = requests.get(url)
    #使用BeautifulSoup對獲取到的頁面進行解析
    soup = BeautifulSoup(web_data.text, 'lxml')
    #根據頁面內的定位信息獲取到全部大類所對應的連接
    urls = soup.select('ul.ym-submnu > li > b > a')
    #作這兩行處理是因為有的標簽有鏈接，但是卻是空內容
    for link in urls:
        if link.text.isspace():
            continue
        else:
            page_url = url_host + link.get('href')
            print(page_url)

感謝你能夠認真閱讀完這篇文章，希望小編分享使用python寫爬蟲的方法內容對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，遇到問題就找億速云，詳細的解決方法等著你來學習!