Python怎么写简单爬虫?Python写简单爬虫的方法!

编辑:yandy 阅读:1 时间:2022-07-27 14:55:09

Python怎么写简单爬虫?python最新版是一种面向对象、直译式计算机程序设计语言,也是一种功能强大而完善的通用型语言,已经具有十多年的发展历史,成熟且稳定。这种语言具有非常简捷而清晰的语法特点,适合完成各种高层任务,几乎可以在所有的操作系统中运行。下面 菠萝下载站 小编给大家分享的是Python写简单爬虫的技巧,有需要的小伙伴一起来看看吧。

Python写简单爬虫的方法!

Python提供了许多Module,通过这些Module,可以很简单的做一些工作。比如,要获得cloga这个词在百度搜索结果页中的排名结果(排名结果+URL),这就是一个很简单的爬虫需求。

1、首先,要通过urllib2这个Module获得对应的HTML源码。(PS:在python3.3之后urllib2已经不能再用,代之以urllib)

通过上面这三句就可以将URL的源码存在content变量中,其类型为字符型。

2、接下来是要从这堆HTML源码中提取我们需要的内容。用Chrome查看一下对应的内容的代码(也可以用Firefox的Firebug)。

3、可以看到url的信息存储在span标签中,要获取其中的信息可以用正则式。

import re

urls_pat=re.compile(r'(。*?)')

siteUrls=re.findall(results_pat,content)

4、用正则式获得内容还需要进一步处理,因为其中包含html标签。类似,hi.baidu.com/cloga 2010-8-29或者 hi.baidu.com/cloga 2010-8-29 ,同样可以用正则式的sub方法替换掉这些标签。

strip_tag_pat=re.compile(r'

file=open('results000.csv','w')

for i in results:

i0=re.sub(strip_tag_pat,'',i)

i0=i0.strip()

i1=i0.split(' ')

date=i1[-1]

siteUrl=''.join(i1[:-1])

rank+=1

file.write(date+','+siteUrl+','+str(rank)+'n')

file.close()

5、再来就是把对应的结果输出到文件中,比如,排名、URL、收入日期这样的形式。OK,这样就用Python实现了一个简单的爬虫需求。

关于Python怎么写简单爬虫的方法就给大家介绍完了,希望能对大家有所帮助。了解更多教程请继续关注菠萝下载站哦!