python编写简单爬虫资料汇总(python怎么写爬虫)

编辑：rootadmin

推荐整理分享python编写简单爬虫资料汇总(python怎么写爬虫)，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怎么写爬虫,用python爬,python编写爬虫,用python写一个简单的爬虫,python简单爬虫代码,python入门,用python爬,python怎么写爬虫,用python爬,内容如对您有帮助，希望把文章链接给更多的朋友！

　　爬虫真是一件有意思的事儿啊，之前写过爬虫，用的是urllib2、BeautifulSoup实现简单爬虫，scrapy也有实现过。最近想更好的学习爬虫，那么就尽可能的做记录吧。这篇博客就我今天的一个学习过程写写吧。

一正则表达式

　　正则表达式是一个很强大的工具了，众多的语法规则，我在爬虫中常用的有：

. 匹配任意字符（换行符除外） * 匹配前一个字符0或无限次 &#; 匹配前一个字符0或1次 .* 贪心算法 .*&#; 非贪心算法（.*&#;) 将匹配到的括号中的结果输出 d 匹配数字 re.S 使得.可以匹配换行符

　　常用的方法有：find_all()，search()，sub()

　　对以上语法方法做以练习，代码见： urllib和urllib2

　　urllib和urllib2库是学习Python爬虫最基本的库，利用该库，我们可以得到网页的内容，同时，可以结合正则对这些内容提取分析，得到真正想要的结果。

　　在此将urllib和urllib2结合正则爬取了糗事百科中的作者点赞数内容。

　　代码见： BeautifulSoup

　　BeautifulSoup是Python的一个库，最主要的功能是从网页抓取数据，官方介绍是这样的：　　Beautiful Soup 提供一些简单的、python 式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱,通过解析文档为用户提供需要抓取的数据,因为简单,所以不需要多少代码就可以写出一个完整的应用程序。　　Beautiful Soup 自动将输入文档转换为 Unicode 编码,输出文档转换为 utf-8 编码。你不需要考虑编码方式,除非文档没有指定一个编码方式,这时,Beautiful Soup 就不能自动识别编码方式了。然后,你仅仅需要说明一下原始编码方式就可以了。　　Beautiful Soup 已成为和 lxml、html6lib 一样出色的 python 解释器,为用户灵活地提供不同的解析策略或强劲的速度。

　　首先：爬取百度百科Python词条下相关的个页面，爬取的页面值自己设定。

　　代码详见：　　代码运行：

　　巩固篇，依据豆瓣中图书的标签得到一个书单，同样使用BeautifulSoup。

　　代码详见：　　运行结果：　　

标签: python怎么写爬虫

本文链接地址:https://www.jiuchutong.com/biancheng/384394.html 转载请保留说明！

上一篇：使用Nginx+uWsgi实现Python的Django框架站点动静分离(如何使用nginx)

下一篇：Python使用Redis实现作业调度系统(超简单)(python的redis)