位置: 编程技术 - 正文

Python爬虫包 BeautifulSoup 递归抓取实例详解(python爬虫系统)

编辑:rootadmin

推荐整理分享Python爬虫包 BeautifulSoup 递归抓取实例详解(python爬虫系统),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:python爬虫用到的包,python爬虫工具包,python爬虫用到的包,python爬虫常用包,python爬虫工具包,python爬虫常用包,python爬虫包有哪些,python爬虫包下载,内容如对您有帮助,希望把文章链接给更多的朋友!

Python爬虫包 BeautifulSoup 递归抓取实例详解

概要:

爬虫的主要目的就是为了沿着网络抓取需要的内容。它们的本质是一种递归的过程。它们首先需要获得网页的内容,然后分析页面内容并找到另一个URL,然后获得这个URL的页面内容,不断重复这一个过程。

让我们以维基百科为一个例子。

我们想要将维基百科中凯文·贝肯词条里所有指向别的词条的链接提取出来。

上面这个代码能够将页面上的所有超链接都提取出来。

Python爬虫包 BeautifulSoup  递归抓取实例详解(python爬虫系统)

首先,提取出来的URL可能会有一些重复的

其次,有一些URL是我们不需要的,如侧边栏、页眉、页脚、目录栏链接等等。

所以通过观察,我们可以发现所有指向词条页面的链接都有三个特点:

它们都在id是bodyContent的div标签里 URL链接不包含冒号 URL链接都是以/wiki/开头的相对路径(也会爬到完整的有http开头的绝对路径)

其中getLinks的参数是/wiki/<词条名称>,并通过和维基百科的绝对路径合并得到页面的URL。通过正则表达式捕获所有指向其他词条的URL,并返回给主函数。

主函数则通过调用递归getlinks并随机访问一条没有访问过的URL,直到没有了词条或者主动停止为止。

这份代码可以将整个维基百科都抓取下来

一般来说Python的递归限制是次,所以需要人为地设置一个较大的递归计数器,或者用其他手段让代码在迭代次之后还能运行。

感谢阅读,希望能帮助到大家,谢谢大家对本站的支持!

利用python实现命令行有道词典的方法示例 前言由于一直用Linux系统,对于词典的支持特别不好,对于我这英语渣渣的人来说,当看英文文档就一直卡壳,之前用惯了有道词典,感觉很不错,虽然

利用Python脚本生成sitemap.xml的实现方法 安装lxml首先需要pipinstalllxml安装lxml库。如果你在ubuntu上遇到了以下错误:#include"libxml/xmlversion.h"compilationterminated.error:command'x_-linux-gnu-gcc'failedwithexitstatu

利用python画一颗心的方法示例 前言Python一般使用Matplotlib制作统计图形,用它自己的说法是‘让简单的事情简单,让复杂的事情变得可能'。用它可以制作折线图,直方图,条形图,散

标签: python爬虫系统

本文链接地址:https://www.jiuchutong.com/biancheng/380024.html 转载请保留说明!

上一篇:python 编程之twisted详解及简单实例(python twinter)

下一篇:利用python实现命令行有道词典的方法示例(python中的命名规范)

  • 农产品加工企业怎样申请营业执照?
  • 金税四期税务机关一局式
  • 小规模增值税免征额
  • 金税四期可以查个人账户吗
  • 资源要素包括哪三个方面
  • 应交税费应交增值税减免税款
  • 外借资质收取的税费会计处理
  • 免费赠送物业费活动语句怎么写
  • 土地使用税为什么不计入存货成本
  • 增值税欠缴税会不会影响企业的信用
  • 营改增后房地产企业增值税税率
  • 长期借款利息的会计分录
  • 银行手续费是否一定要开发票吗
  • 农产品收购发票上的买价含税吗
  • 一般纳税人小型微利企业印花税
  • 凭票报销交通费补贴
  • 劳务费税收分类是什么
  • 一般纳税人为其他公司制作标书怎么缴税?
  • 股权转让成本法和权益法
  • 税收的凭证有哪几种
  • 外包服务费税率是多少
  • 金税三期个人所得税扣缴系统网络设置
  • 汇算清缴已退税的还可以作废吗
  • 采用支付手续费方式委托代销商品
  • 为什么无形资产减值准备一经计提不得转回
  • 服装加工费发票税点
  • 收回股东投资
  • 股东收回投资款的现金流量
  • 非货币性资产交换差额计入什么科目
  • windows10无法打开图片
  • 购买原材料的运输费计入什么科目
  • 模具成本怎么核算
  • 进口免费赠送报成了一般贸易
  • 营业外支出包括哪些科目
  • 存货发生了减值怎么处理
  • php数组函数有哪些
  • php编程技术
  • 火狐十大必用插件
  • php strrchr
  • 政府性基金和行政事业性收费区别
  • yolov3图像识别
  • 劳务费发票差额征税
  • 中药饮片适用增值税税率
  • 银行存款余额调节表是不是原始凭证
  • 全局平均池化(GAP)层
  • unplugin-auto-import/vite
  • 打开的ps关不掉
  • 公账转给员工工资
  • 每个月计提折旧的分录
  • 残保金工资总额包括什么
  • 上个月没扣社保 这个月一起交能报账吗
  • python操作yaml文件
  • 织梦标签教程
  • 公司缴纳社保如何做账
  • 社保减免财务账务处理
  • 个体经营所得税怎么网上申报
  • 借款费用为什么可以企业所得税税前扣除
  • 用友t6反记账步骤
  • 以前年度税费减免税
  • 应收分保合同准备材料
  • 投资公司的投资收益算主营业务收入吗
  • 发票已到货未到会计分录
  • 发生坏账时的分录
  • 协定存款是什么存款
  • 公司为员工购买汽车怎么申报
  • 纳税人和负税人区别通俗易懂
  • win7开机显示黑屏
  • win8如何更改用户名字?
  • 浅谈特殊儿童的融合教育论文
  • Extjs TriggerField在弹出窗口显示不出问题的解决方法
  • 猫的猫的视频
  • opengl矩形
  • python给定某数字a
  • 在vue中添加按钮使内容消失
  • BaseAdapter数据刷新,自定义BaseAdapter
  • 如何在脚本中调字体
  • jquery事件解绑
  • 雅阁交强险和车船税多少
  • 电子税务局怎么缴纳社保费
  • 长春税务局电话朝阳区
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设