当前位置: 首页 > news >正文

网站二次开发公司聚名网官网登录

网站二次开发公司,聚名网官网登录,wordpress下单邮件通知,中国战事新闻最新消息爬虫 爬虫原理 爬虫,又称网络爬虫,是一种自动获取网页内容的程序。它模拟人类浏览网页的行为,发送HTTP请求,获取网页源代码,再通过解析、提取等技术手段,获取所需数据。 HTTP请求与响应过程 爬虫首先向…

爬虫

爬虫原理

  • 爬虫,又称网络爬虫,是一种自动获取网页内容的程序。
  • 它模拟人类浏览网页的行为,发送HTTP请求,获取网页源代码,再通过解析、提取等技术手段,获取所需数据。

HTTP请求与响应过程

  • 爬虫首先向目标网站发送HTTP请求,请求可以包含多种参数,如URL、请求方法(GET或POST)、请求头(Headers)等。
  • 服务器接收到请求后,返回相应的HTTP响应,包括状态码、响应头和响应体(网页内容)。

常用爬虫技术

名称功能
请求库如 requests、aiohttp 等
解析库如 BeautifulSoup、lxml、PyQuery 等
存储库如 pandas、SQLite 等
异步库如 asyncio、aiohttp 等

实战

  1. 爬取豆瓣电影Top250
import requests
from bs4 import BeautifulSoup
import csv
# 请求 URL
url = 'https://movie.douban.com/top250'
# 请求头部
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36'
}
# 解析页面函数
def parse_html(html):soup = BeautifulSoup(html, 'lxml')movie_list = soup.find('ol', class_='grid_view').find_all('li')for movie in movie_list:title = movie.find('div', class_='hd').find('span', class_='title').get_text()rating_num = movie.find('div', class_='star').find('span', class_='rating_num').get_text()comment_num = movie.find('div', class_='star').find_all('span')[-1].get_text()writer.writerow([title, rating_num, comment_num])# 保存数据函数
def save_data():f = open('douban_movie_top250.csv', 'a', newline='', encoding='utf-8-sig')global writerwriter = csv.writer(f)writer.writerow(['电影名称', '评分', '评价人数'])for i in range(10):url = 'https://movie.douban.com/top250?start=' + str(i*25) + '&filter='response = requests.get(url, headers=headers)parse_html(response.text)f.close()if __name__ == '__main__':save_data()
  1. 爬取当当网图书信息
import requests
from lxml import etree
import csvurl = 'http://search.dangdang.com/?key=Python&act=input'
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36'
}def parse_html(html):selector = etree.HTML(html)book_list = selector.xpath('//*[@id="search_nature_rg"]/ul/li')for book in book_list:title = book.xpath('a/@title')if title:title = title[0]else:title = "未知书名"link = book.xpath('a/@href')if link:link = link[0]else:link = "未知链接"price = book.xpath('p[@class="price"]/span[@class="search_now_price"]/text()')if price:price = price[0]else:price = "未知价格"author = book.xpath('p[@class="search_book_author"]/span[1]/a/@title')if author:author = author[0]else:author = "未知作者"publish_date = book.xpath('p[@class="search_book_author"]/span[2]/text()')if publish_date:publish_date = publish_date[0]else:publish_date = "未知出版日期"publisher = book.xpath('p[@class="search_book_author"]/span[3]/a/@title')if publisher:publisher = publisher[0]else:publisher = "未知出版社"yield {'书名': title,'链接': link,'价格': price,'作者': author,'出版日期': publish_date,'出版社': publisher}def save_data():response = requests.get(url, headers=headers)if response.status_code == 200:with open('dangdang_books.csv', 'w', newline='', encoding='utf-8-sig') as f:writer = csv.writer(f)writer.writerow(['书名', '链接', '价格', '作者', '出版日期', '出版社'])for item in parse_html(response.text):writer.writerow([item['书名'], item['链接'], item['价格'], item['作者'], item['出版日期'], item['出版社']])else:print(f"请求失败,状态码:{response.status_code}")if __name__ == '__main__':save_data()
http://www.ds6.com.cn/news/98897.html

相关文章:

  • 管理系统官方网站竞价外包
  • 高乐雅官方网站 哪个公司做的松松软文平台
  • 做爰全程的网站企业营销型网站有哪些
  • 怎么注册国外网站友好链接
  • 软件开发设计培训seo网络推广优化教程
  • 哪个网站做兼职有保障广东seo推广公司
  • 免费网站建设开发个人做seo怎么赚钱
  • 网站的策划方案怎么写谷歌关键词工具
  • 专门做微信推送的网站关键词分词工具
  • 哪个网站可以找题目给小孩做网络推广员压力大吗
  • 用rp怎么做网站导航菜单泉州seo托管
  • php 免费网站空间申请他达拉非片正确服用方法
  • 怎么做自己的导航网站文案代写收费标准
  • 动漫网站设计方案自动发帖软件
  • 用什么程序做资讯类网站中文搜索引擎有哪些
  • 做书app下载网站有哪些seo销售好做吗
  • 客户说做网站没效果怎么回答好网站网络优化外包
  • 深圳地铁建设集团网站西安网约车
  • wordpress自定义登录页背景颜色宁波企业seo外包
  • 网站建设步骤实践报告免费外链发布平台在线
  • 信息安全公司前10名天津短视频seo
  • excel做网页放进网站hao123主页
  • 大连模板网站制作价格整站快速排名
  • 设计方案流程系统优化的方法
  • 苏州前几天网站建设厦门seo搜索排名
  • qq推广是干什么的惠州自动seo
  • 宁波企业建站程序网络营销的定义
  • 查询网址在哪里查上海百网优seo优化公司
  • 怎样免费建立自己网站广告优化师的工作内容
  • 广州有什么好玩的地方推荐一下seo基础入门视频教程