Python学习从0开始——项目一day01爬虫

import requests
from bs4 import BeautifulSoup
 
# 设置代理服务器
proxies = {
    'http': 'http://user:password@proxy.server.com:port',
    'https': 'https://user:password@proxy.server.com:port'
}
 
# 设置请求头
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
 
def get_html(url, proxies=None, headers=None):
    """
    获取网页HTML内容
    :param url: 网页链接
    :param proxies: 代理服务器（可选）
    :param headers: 请求头（可选）
    :return: 网页内容
    """
    response = requests.get(url, proxies=proxies, headers=headers)
    return response.text
 
def parse_html(html):
    """
    解析HTML内容
    :param html: 网页内容
    :return: 解析后的数据
    """
    soup = BeautifulSoup(html, 'html.parser')
    # 解析数据的代码放这里
    # 例如获取所有的段落
    paragraphs = soup.find_all('p')
    for p in paragraphs:
        print(p.text)
 
def main():
    url = 'http://example.com'  # 替换为目标网址
    html = get_html(url, proxies=proxies, headers=headers)
    parse_html(html)
 
if __name__ == '__main__':
    main()

这段代码提供了一个简单的网络爬虫框架，包括使用代理和请求头来发送HTTP请求，并使用BeautifulSoup进行网页内容的解析。开发者可以在parse_html函数中添加具体的解析逻辑来提取所需数据。