欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python構(gòu)建基礎(chǔ)的爬蟲教學(xué)

 更新時間:2018年12月23日 10:56:50   作者:please1748  
在本篇內(nèi)容里小編給大家分享的是關(guān)于python構(gòu)建基礎(chǔ)的爬蟲教學(xué)內(nèi)容,需要的朋友們學(xué)習(xí)下。

爬蟲具有域名切換、信息收集以及信息存儲功能。

這里講述如何構(gòu)建基礎(chǔ)的爬蟲架構(gòu)。

1、

urllib庫:包含從網(wǎng)絡(luò)請求數(shù)據(jù)、處理cookie、改變請求頭和用戶處理元數(shù)據(jù)的函數(shù)。是python標(biāo)準(zhǔn)庫.urlopen用于打開讀取一個從網(wǎng)絡(luò)獲取的遠(yuǎn)程對象。能輕松讀取HTML文件、圖像文件及其他文件流。

2、
beautifulsoup庫:通過定位HTML標(biāo)簽格式化和組織復(fù)雜的網(wǎng)絡(luò)信息,用python對象展現(xiàn)XML結(jié)構(gòu)信息。不是標(biāo)準(zhǔn)庫,可用pip安裝。常用的對象是BeautifulSoup對象。

1、基礎(chǔ)爬蟲

爬蟲需要首先import對象,然后打開網(wǎng)址,使用BeautifulSoup對網(wǎng)頁內(nèi)容進(jìn)行讀取。

2、使用print輸出打開的網(wǎng)址的內(nèi)容。

3、從輸出中可以看出內(nèi)容的結(jié)構(gòu)為:

4、輸出內(nèi)容中的html-body-h1的內(nèi)容可使用四種語句。

5、

BeautifulSoup可提取HTML、XML文件的任意節(jié)點(diǎn)的信息,只需要目標(biāo)信息旁邊或附近有標(biāo)記。

1、Error

在運(yùn)行代碼時,經(jīng)常會出現(xiàn)錯誤,看懂錯誤出現(xiàn)的原因才能解決存在的問題。

2、

在html=urlopen('')中會發(fā)生兩種錯誤:網(wǎng)頁在服務(wù)器上不存在或服務(wù)器不存在

3、網(wǎng)頁在服務(wù)器上不存在會出現(xiàn)HTTPError,可使用try語句進(jìn)行處理。

當(dāng)程序返回HTTPError錯誤代碼時,會顯示錯誤內(nèi)容。

4、服務(wù)器不存在時,urlopen會返回None.

可使用判斷語句進(jìn)行檢測。

調(diào)用的標(biāo)簽不存在會出現(xiàn)None,調(diào)用不存在的標(biāo)簽下的子標(biāo)簽,就會出現(xiàn)AttributeError錯誤。

總結(jié):以上就是關(guān)于python構(gòu)建基礎(chǔ)的爬蟲的基礎(chǔ)步驟內(nèi)容,感謝大家的閱讀和對腳本之家的支持。

相關(guān)文章

最新評論