2024年Python最全Python 爬虫爬取多页数据




import requests
from bs4 import BeautifulSoup
import pandas as pd
 
# 初始化URL列表
urls = ['https://example.com/page{}'.format(i) for i in range(1, 5)]  # 假设有4个页面
all_data = []
 
# 遍历URL列表
for url in urls:
    # 发送HTTP请求
    response = requests.get(url)
    # 解析响应内容
    soup = BeautifulSoup(response.text, 'html.parser')
    # 提取需要的数据
    # 假设数据在<div class="item">中
    items = soup.find_all('div', class_='item')
    for item in items:
        # 提取每个item的数据并存储
        data = {
            'title': item.find('h3', class_='title').text.strip(),
            'description': item.find('p', class_='description').text.strip(),
            # 添加其他需要的字段...
        }
        all_data.append(data)
 
# 将所有数据存储到DataFrame中
df = pd.DataFrame(all_data)
# 存储到CSV文件
df.to_csv('data.csv', index=False)

这段代码提供了一个简化的Python爬虫示例,使用requests库获取网页内容,使用BeautifulSoup进行网页解析,并使用pandas库来存储数据。代码中的urls变量应该根据实际情况进行修改,all_data用于存储所有页面的数据,最后通过pandas的to_csv方法将数据保存到CSV文件中。

最后修改于:2024年08月23日 11:39

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日