Python爬虫html网址实战笔记

import requests
from bs4 import BeautifulSoup
 
def get_html(url):
    """
    获取网页HTML内容
    :param url: 网页URL
    :return: HTML内容
    """
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        else:
            return None
    except requests.RequestException:
        return None
 
def parse_html(html):
    """
    解析HTML内容，提取指定数据
    :param html: HTML内容
    :return: 提取的数据
    """
    soup = BeautifulSoup(html, 'html.parser')
    # 假设我们要提取所有的段落文本
    paragraphs = soup.find_all('p')
    return [p.get_text() for p in paragraphs]
 
def main():
    url = 'http://example.com'  # 替换为目标网页URL
    html = get_html(url)
    if html:
        data = parse_html(html)
        for item in data:
            print(item)
    else:
        print('Failed to retrieve HTML content')
 
if __name__ == '__main__':
    main()

这段代码展示了如何使用Python的requests库获取网页HTML内容，并使用BeautifulSoup库解析HTML，提取所有段落文本。这是一个简单的网页爬虫实战示例，适合作为初学者的入门教程。