Python基于requests庫爬取網站信息

requests庫是一個簡介且簡單的處理HTTP請求的第三方庫

get()是獲取網頁最常用的方式，其基本使用方式如下

使用requests庫獲取HTML頁面并將其轉換成字符串后，需要進一步解析HTML頁面格式，這里我們常用的就是beautifulsoup4庫，用于解析和處理HTML和XML

下面這段代碼便是爬取百度的信息并簡單輸出百度的界面信息

import requestsfrom bs4 import BeautifulSoupr=requests.get(’http://www.baidu.com’)r.encoding=Noneresult=r.textbs=BeautifulSoup(result,’html.parser’)print(bs.title)print(bs.title.text)

import requestsfrom bs4 import BeautifulSoup#用來解決亂碼現象，所以編寫爬取信息的代碼最好帶上（輸出出現亂碼或者UnicodeEncodeError：’gbk’codec can’t encode character） import io import syssys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding=’gb18030’)#用來防止反爬取，可以了解一下headers={'User-Agent' : 'Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.1.6)','Accept' : 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8','Accept-Language' : 'en-us','Connection' : 'keep-alive','Accept-Charset' : 'GB2312,utf-8;q=0.7,*;q=0.7'}#獲取51job網站的基本信息r=requests.get(’https://search.51job.com/list/000000,000000,0000,00,9,99,python,2,1.html?lang=c&stype=&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&providesalary=99&lonlat=0%2C0&radius=-1&ord_field=0&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare=’)r.encoding=r.apparent_encodingresult=r.textbs=BeautifulSoup(result,’html.parser’)print(bs.prettify())u1=bs.find_all(’u1’,attrs={’class’:’item_con_list’}) #這部分代碼便是我們爬取的目標，51job網站上關于python職業的薪資print(len(u1))li=bs.find_all(’span’,attrs={’class’:’t4’})for l in li: print(l.text)

上面這段代碼便是爬取51job網站上的與python相關職業的薪資

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持好吧啦網。