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。