python爬虫实战代码

import requests
from bs4 import BeautifulSoup
 
# 获取网页内容的函数
def get_html(url):
    try:
        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'}
        response = requests.get(url, headers=headers)
        if response.status_code == 200:
            return response.text
        return None
    except requests.RequestException:
        return None
 
# 解析网页并提取数据的函数
def parse_data(html):
    soup = BeautifulSoup(html, 'lxml')
    data_list = soup.select('div.item')
    for data in data_list:
        title = data.select('a')[0].text
        detail_url = data.select('a')[0]['href']
        print(title, detail_url)
 
# 主函数
def main():
    url = 'https://www.qiushibaike.com/'
    html = get_html(url)
    parse_data(html)
 
if __name__ == '__main__':
    main()

这段代码首先定义了一个获取网页内容的函数get_html，使用了requests库来发送HTTP请求，并设置了请求头来伪装浏览器访问。然后定义了一个解析网页并提取数据的函数parse_data，使用了BeautifulSoup库和CSS选择器来选取页面元素。最后，在main函数中调用了这两个函数，实现了简单的爬虫功能。