python爬虫实践——零基础快速入门(一)

admin   ·   发表于 7个月前   ·   编程代码

一、环境配置
1.下载安装python3
为什么使用pyhton3,理由如下:

python2以上只维护到2020年,我猜,感觉快要过气了。

没有恶心的编码问题,并且更多工具选择pyhton3,新的工具才是生产力。

本文都用python3来写。如果你是pyhton2,尝试一下pyhton3,相信你会有不一样的体验。
图片描述

注意选择适合自己电脑的版本。

2.安装requests和lxml。
为啥用pip,因为我们在安装python3的时候,选择了同时安装pip等一系列的包,不想pyhton2,还要一个一个去安装。

pip install requests

pip install lxml

图片描述

由于我这里已经安装过了,所以显示已经有了。安装的时候请耐心等待哦。

3.安装eclipse或者其他你喜欢的编辑器。
如果不太熟的可以看一下我另一篇python+Eclipse+pydev环境搭建

如果有人恰好跟我一样使用eclipse,那注意配置一下python路径。

windows——>preferences——>General——>Pydev——>Pyhton Interpreter

图片描述

这里首选python3.6哦。

二、轻松爬取百度网页。

#-*- coding:utf-8 -*-

import requests
url = 'https://www.baidu.com/'

data = requests.get(url)
data.encoding='utf-8'

print(data.text)

输出结果:

<!DOCTYPE html><!--STATUS OK-->

<html> <head>

<meta http-equiv=content-type content=text/html;charset=utf-8>

<meta http-equiv=X-UA-Compatible content=IE=Edge>

<meta content=always name=referrer>

<link rel=stylesheet type=text/css href=https://ss1.bdstatic.com/5eN1bjq8AAUYm2zgoY3K/r/www/cache/bdorz/baidu.min.css>

<title>百度一下,你就知道</title>

</head> 
<body link=#0000cc> 
<div id=wrapper> 
<div id=head> 
<div class=head_wrapper> 
<div class=s_form> 
<div class=s_form_wrapper> 
<div id=lg> 
<img hidefocus=true src=//www.baidu.com/img/bd_logo1.png width=270 height=129> 
</div> <form id=form name=f action=//www.baidu.com/s class=fm> 
<input type=hidden name=bdorz_come value=1> 
<input type=hidden name=ie value=utf-8> 
<input type=hidden name=f value=8> <input type=hidden name=rsv_bp value=1> 
<input type=hidden name=rsv_idx value=1> 
<input type=hidden name=tn value=baidu><span class="bg s_ipt_wr">

<input id=kw name=wd class=s_ipt value maxlength=255 autocomplete=off autofocus=autofocus></span><span class="bg s_btn_wr"><input type=submit id=su value=百度一下 class="bg s_btn" autofocus></span> </form> </div> </div> <div id=u1> <a href=http://news.baidu.com name=tj_trnews class=mnav>新闻</a> <a href=https://www.hao123.com name=tj_trhao123 class=mnav>hao123</a> <a href=http://map.baidu.com name=tj_trmap class=mnav>地图</a> <a href=http://v.baidu.com name=tj_trvideo class=mnav>视频</a> <a href=http://tieba.baidu.com name=tj_trtieba class=mnav>贴吧</a> <noscript> <a href=http://www.baidu.com/bdorz/login.gif?login&amp;tpl=mn&amp;u=http%3A%2F%2Fwww.baidu.com%2f%3fbdorz_come%3d1 name=tj_login class=lb>登录</a> </noscript> <script>document.write('<a href="http://www.baidu.com/bdorz/login.gif?login&tpl=mn&u='+ encodeURIComponent(window.location.href+ (window.location.search === "" ? "?" : "&")+ "bdorz_come=1")+ '" name="tj_login" class="lb">登录</a>');                </script> <a href=//www.baidu.com/more/ name=tj_briicon class=bri style="display: block;">更多产品</a> </div> </div> </div> <div id=ftCon> <div id=ftConw> <p id=lh> <a href=http://home.baidu.com>关于百度</a> <a href=http://ir.baidu.com>About Baidu</a> </p> <p id=cp>&copy;2017&nbsp;Baidu&nbsp;<a href=http://www.baidu.com/duty/>使用百度前必读</a>&nbsp; <a href=http://jianyi.baidu.com/ class=cp-feedback>意见反馈</a>&nbsp;京ICP证030173号&nbsp; <img src=//www.baidu.com/img/gs.gif> </p> </div> </div> </div> </body> </html>

四行代码,我们就可以把百度首页的内容爬取下来:

1.导入requests库
2.下载百度首页内容
3.更改编码方式
4.打印内容

下一节,爬取豆瓣电影详情信息requests+xpath


0 Reply   |  Until 7个月前 | 259 View
LoginCan Publish Content