本文研究的主要是Python使用requests及BeautifulSoup构建一个网络爬虫，具体步骤如下。
功能说明
在Python下面可使用requests模块请求某个url获取响应的html文件，接着使用BeautifulSoup解析某个html。
案例
假设我要http://maoyan.com/board/4猫眼电影的top100电影的相关信息，如下截图：
获取电影的标题及url。
安装requests和BeautifulSoup
使用pip工具安装这两个工具。
|
1
|
pip install requests |
|
1
|
pip install beautifulsoup4 |
程序
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
__author__ = 'Qian Yang'# -*- coding:utf-8 -*-import requestsfrom bs4 import BeautifulSoupdef get_one_page(url): response= requests.get(url) if response.status_code == 200: return response.content.decode("utf8","ignore").encode("gbk","ignore")#采用BeautifulSoup解析def bs4_paraser(html): all_value = [] value = {} soup = BeautifulSoup(html,'html.parser') # 获取每一个电影 all_div_item = soup.find_all('div', attrs={'class': 'movie-item-info'}) for r in all_div_item: # 获取电影的名称和url title = r.find_all(name="p",attrs={"class":"name"})[0].string movie_url = r.find_all('p', attrs={'class': 'name'})[0].a['href'] value['title'] = title value['movie_url'] = movie_url all_value.append(value) value = {} return all_valuedef main(): url = 'http://maoyan.com/board/4' html = get_one_page(url) all_value = bs4_paraser(html) print(all_value)if __name__ == '__main__': main() |
代码测试可用，实现效果：
总结
以上就是本文关于Python使用requests及BeautifulSoup构建爬虫实例代码的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！
原文链接：http://blog.csdn.net/qy20115549/article/details/78111615
