欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python如何爬取網(wǎng)頁中的文字

 更新時間：2020年07月28日 15:32:46   作者：Ly  
在本篇文章里小編給大家整理的是關(guān)于python如何爬取網(wǎng)頁中的文字的相關(guān)實例內(nèi)容，需要的朋友們可以學(xué)習(xí)下。

用Python進(jìn)行爬取網(wǎng)頁文字的代碼：

#!/usr/bin/python
# -*- coding: UTF-8 -*-
import requests
import re
# 下載一個網(wǎng)頁
url = 'https://www.biquge.tw/75_75273/3900155.html'
# 模擬瀏覽器發(fā)送http請求
response = requests.get(url)
# 編碼方式
response.encoding='utf-8'
# 目標(biāo)小說主頁的網(wǎng)頁源碼
html = response.text
print(html)

1、編寫爬蟲思路：

確定下載目標(biāo)，找到網(wǎng)頁，找到網(wǎng)頁中需要的內(nèi)容。對數(shù)據(jù)進(jìn)行處理。保存數(shù)據(jù)。

2、知識點說明：

1）確定網(wǎng)絡(luò)中需要的信息，打開網(wǎng)頁后使用F12打開開發(fā)者模式。

在Network中可以看到很多信息，我們在頁面上看到的文字信息都保存在一個html文件中。點擊文件后可以看到response，文字信息都包含在response中。

對于需要輸入的信息，可以使用ctrl+f，進(jìn)行搜索。查看信息前后包含哪些特定字段。

對于超鏈接的提取，可以使用最左邊的箭頭點擊超鏈接，這時Elements會打開有該條超鏈接的信息，從中判斷需要提取的信息。從下載小說來看，在目錄頁提取出小說的鏈接和章節(jié)名。

2）注意編碼格式

輸入字符集一定要設(shè)置成utf-8。頁面大多為GBK字符集。不設(shè)置會亂碼。

內(nèi)容擴(kuò)展：

接下來我們了解一下爬取網(wǎng)頁信息的步驟。

想要獲得我們所需的數(shù)據(jù)分三步

第一步：使用BeautifulSoup解析網(wǎng)頁

Soup = BeautifulSoup(html,'lxml')

第二步：描述想要爬去信息的東西在哪里。

信息 = Soup.select('???')

要知道它叫什么名字，如何去定位。

第三步：從標(biāo)簽中獲得你想要的信息

<p>Something</p>

從標(biāo)簽中獲取我們需要的信息，去掉一些沒有用的結(jié)構(gòu)，并且把我們獲取的信息按照一定格式裝在數(shù)據(jù)容器中，方便我們?nèi)ゲ樵儭?/p>

以上就是python如何爬取網(wǎng)頁中的文字的詳細(xì)內(nèi)容，更多關(guān)于python爬取網(wǎng)頁文字的資料請關(guān)注腳本之家其它相關(guān)文章！

相關(guān)文章

最新評論