Python Web 爬虫秘籍

import requests
from bs4 import BeautifulSoup
 
# 定义一个简单的函数来获取网页内容
def get_html(url):
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        else:
            return None
    except requests.RequestException:
        return None
 
# 定义一个函数来解析网页并提取所需信息
def parse_html(html):
    soup = BeautifulSoup(html, 'html.parser')
    # 假设我们要提取的信息是标题
    title = soup.find('title')
    return title.text if title else None
 
# 使用示例
url = 'https://www.example.com'
html = get_html(url)
if html:
    parsed_title = parse_html(html)
    print(f"The title of the webpage is: {parsed_title}")
else:
    print("Failed to retrieve the webpage content.")

这段代码展示了如何使用requests库获取网页内容，并使用BeautifulSoup进行解析，提取特定的网页信息。代码简洁，注重实用性，可以作为编写Web爬虫的基础教程。