位置: 编程技术 - 正文

Python网络爬虫实例讲解(python网络爬虫总结)

编辑:rootadmin

推荐整理分享Python网络爬虫实例讲解(python网络爬虫总结),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网络爬虫总结,网络爬虫 python,python的网络爬虫,python网络爬虫技术案例教程,python3.7网络爬虫快速入门,python网络爬虫视频教程,python网络爬虫程序,python网络爬虫技术案例教程,内容如对您有帮助,希望把文章链接给更多的朋友!

聊一聊Python与网络爬虫。

1、爬虫的定义

爬虫:自动抓取互联网数据的程序。

2、爬虫的主要框架

爬虫程序的主要框架如上图所示,爬虫调度端通过URL管理器获取待爬取的URL链接,若URL管理器中存在待爬取的URL链接,爬虫调度器调用网页下载器下载相应网页,然后调用网页解析器解析该网页,并将该网页中新的URL添加到URL管理器中,将有价值的数据输出。

3、爬虫的时序图

4、URL管理器

Python网络爬虫实例讲解(python网络爬虫总结)

URL管理器管理待抓取的URL集合和已抓取的URL集合,防止重复抓取与循环抓取。URL管理器的主要职能如下图所示:

URL管理器在实现方式上,Python中主要采用内存(set)、和关系数据库(MySQL)。对于小型程序,一般在内存中实现,Python内置的set()类型能够自动判断元素是否重复。对于大一点的程序,一般使用数据库来实现。

5、网页下载器

Python中的网页下载器主要使用urllib库,这是python自带的模块。对于2.x版本中的urllib2库,在python3.x中集成到urllib中,在其request等子模块中。urllib中的urlopen函数用于打开url,并获取url数据。urlopen函数的参数可以是url链接,也可以使request对象,对于简单的网页,直接使用url字符串做参数就已足够,但对于复杂的网页,设有防爬虫机制的网页,再使用urlopen函数时,需要添加http header。对于带有登录机制的网页,需要设置cookie。

6、网页解析器

网页解析器从网页下载器下载到的url数据中提取有价值的数据和新的url。对于数据的提取,可以使用正则表达式和BeautifulSoup等方法。正则表达式使用基于字符串的模糊匹配,对于特点比较鲜明的目标数据具有较好的作用,但通用性不高。BeautifulSoup是第三方模块,用于结构化解析url内容。将下载到的网页内容解析为DOM树,下图为使用BeautifulSoup打印抓取到的百度百科中某网页的输出的一部分。

关于BeautifulSoup的具体使用,在以后的文章中再写。下面的代码使用python抓取百度百科中英雄联盟词条中的其他与英雄联盟相关的词条,并将这些词条保存在新建的excel中。上代码:

输出的部分截图如下:

excel部分的截图如下:

标签: python网络爬虫总结

本文链接地址:https://www.jiuchutong.com/biancheng/386120.html 转载请保留说明!

上一篇:Python脚本实现自动发带图的微博(如何用python写自动化脚本)

下一篇:python遍历目录的方法小结(python遍历文件目录)

  • 房产税的房产原值是什么
  • 土地增值税扣除成本
  • 增值税科目及会计处理
  • 公司名下的房产过户到个人要交多少税
  • 工会经费支付福利方案
  • 其他应付款无法支付规定
  • 利润表中持续经营净利润公式
  • 离线开票时间超时
  • 收到诉讼状之后怎么办
  • 咨询费成本怎么成本结转
  • 三证合一 更新
  • 材料核销发票未开具
  • 公司注销时资本要交税吗
  • 小规模纳税人开具1%增值税专用发票可以抵扣吗
  • 个人住房房产税查询
  • 一般纳税人开普票税率是多少
  • 地勘单位需要什么资质
  • 其他应付款借方余额表示什么
  • 公司的汽车购置税怎么交
  • 一般纳税人企业所得税政策最新2023
  • 应收账款期初余额是借还是贷
  • 抵押房产的保险能退吗
  • 在win7系统中如何让电脑恢复出厂设置方法
  • 个税汇算清缴已退税到账,怎么更正
  • bios中怎么设置显卡
  • php上传进度条
  • 收到银行承兑汇票的账务处理
  • 个人医疗保险怎么取出来
  • 长期借款利息调整会计分录
  • 矿产资源补偿费计入管理费用吗
  • php curl_multi_init
  • vue-bus
  • tomcat的安装配置
  • php正则匹配网址
  • discuz去除底部
  • 每个公司都要交房产税吗
  • 开票软件是什么名字
  • 存货暂估入账会计分录
  • 设备安装收入税率
  • 其他资本公积主要包括
  • 视同小规模纳税人是有?
  • sql 按,拆分成多条数据
  • 计提生产经营所得
  • 会计上需要结转的科目
  • 车间费用计入什么
  • 口罩属于哪个科目 会计
  • 土地补贴款是什么意思
  • 客户退货,但不退货
  • 当月支付当月租金需要计提吗
  • 工程预付款如何扣回
  • 建筑企业结转收入成本
  • 收到不是股东的现金
  • 企业会计做账教程
  • 施工企业其他业务收入包括哪些
  • Ubuntu下mysql安装和操作图文教程
  • 如何修改mysql用户名
  • mysql查询结果输出
  • 详解十二建星择日方法
  • windows预览版和正式版区别
  • win10网络身份验证失败
  • centos6.10内核版本
  • win10系统应用
  • win7系统IE浏览器打开跳转到360浏览器,怎么阻止
  • 微软windows1
  • js让按钮不能点击
  • android.system.suspend@1.0-service耗电
  • 迁移图片到另一台设备什么意思
  • html超链接打开本地文件
  • 手游开发流程具体
  • JavaScript中setMonth()方法的使用详解
  • 面向对象的基础知识
  • jquery里的each()是什么函数?你是如何使用他的?
  • 西安大修基金和契税怎么计算
  • 青岛税务局局长是什么级别?
  • 税务发票机器怎么操作
  • 上海市黄浦区有什么路
  • 江苏省国税局局长是谁
  • 国税湖南电子税务局官网
  • 游艇车船税怎么收
  • 征地税税率是多少
  • 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