Maison  >  Article  >  développement back-end  >  Comment implémenter un robot d'exploration Web en python

Comment implémenter un robot d'exploration Web en python

coldplay.xixi
coldplay.xixioriginal
2020-10-21 15:09:0827565parcourir

Comment implémenter un robot d'exploration Web en python : 1. Utilisez la méthode get dans la bibliothèque de requêtes pour demander le contenu de la page Web de l'url ; 2. Les méthodes [find()] et [find_all()] ; peut parcourir le fichier html et extraire des informations spécifiques.

Comment implémenter un robot d'exploration Web en python

Comment implémenter un robot d'exploration Web en python :

Première étape : l'exploration

Utilisez la méthode get dans la bibliothèque de requêtes pour demander le contenu de la page Web de l'url

Écrivez le code

[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

Comment implémenter un robot dexploration Web en python

Étape 2 : Analyse

Utilisez la classe BeautifulSoup de la bibliothèque bs4 pour générer un objet. Les méthodes find() et find_all() peuvent parcourir ce fichier html et extraire les informations spécifiées.

Écrire du code

[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

Comment implémenter un robot dexploration Web en python

Recommandations d'apprentissage gratuites associées : tutoriel vidéo Python

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration:
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn