Heim > Artikel > Backend-Entwicklung > So implementieren Sie einen Webcrawler in Python
So implementieren Sie einen Webcrawler in Python: 1. Verwenden Sie die get-Methode in der Anforderungsbibliothek, um den Webseiteninhalt der URL anzufordern. 2. Die Methoden [find()] und [find_all()] können den HTML-Code durchlaufen Datei und extrahieren Sie die angegebenen Informationen.
So implementieren Sie einen Webcrawler in Python:
Schritt 1: Crawlen
Verwenden Sie die get-Methode in der Anforderungsbibliothek, um den Webinhalt der URL anzufordern
Code schreiben
[root@localhost demo]# touch demo.py [root@localhost demo]# vim demo.py
#web爬虫学习 -- 分析 #获取页面信息 #输入:url #处理:request库函数获取页面信息,并将网页内容转换成为人能看懂的编码格式 #输出:爬取到的内容 import requests def getHTMLText(url): try: r = requests.get( url, timeout=30 ) r.raise_for_status() #如果状态码不是200,产生异常 r.encoding = 'utf-8' #字符编码格式改成 utf-8 return r.text except: #异常处理 return " error " url = "http://www.baidu.com" print( getHTMLText(url) )
[root@localhost demo]# python3 demo.py
Schritt 2: Analyse
Verwenden Sie die BeautifulSoup-Klasse in der bs4-Bibliothek, um ein Objekt zu generieren. Die Methoden find() und find_all() können diese HTML-Datei durchsuchen und bestimmte Informationen extrahieren.
Code schreiben
[root@localhost demo]# touch demo1.py [root@localhost demo]# vim demo1.py #web爬虫学习 -- 分析 #获取页面信息 #输入:url #处理:request库获取页面信息,并从爬取到的内容中提取关键信息 #输出:打印输出提取到的关键信息 import requests from bs4 import BeautifulSoup import re def getHTMLText(url): try: r = requests.get( url, timeout=30 ) r.raise_for_status() #如果状态码不是200,产生异常 r.encoding = 'utf-8' #字符编码格式改成 utf-8 return r.text except: #异常处理 return " error " def findHTMLText(text): soup = BeautifulSoup( text, "html.parser" ) #返回BeautifulSoup对象 return soup.find_all(string=re.compile( '百度' )) #结合正则表达式,实现字符串片段匹配 url = "http://www.baidu.com" text = getHTMLText(url) #获取html文本内容 res = findHTMLText(text) #匹配结果 print(res) #打印输出
[root@localhost demo]# python3 demo1.py
Zugehörige kostenlose Lernempfehlungen: Python-Video-Tutorial
Das obige ist der detaillierte Inhalt vonSo implementieren Sie einen Webcrawler in Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!