Python大作业——爬虫,2024年Python网络编程总结篇




import requests
from bs4 import BeautifulSoup
import re
 
def get_html(url):
    """
    获取网页内容
    :param url: 网页链接
    :return: 网页内容
    """
    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)
        response.raise_for_status()
        response.encoding = response.apparent_encoding
        return response.text
    except Exception as e:
        print(f"获取网页内容出错:{e}")
 
def parse_html(html):
    """
    解析网页内容,提取需要的信息
    :param html: 网页内容
    :return: 提取的信息列表
    """
    soup = BeautifulSoup(html, 'html.parser')
    titles = soup.find_all('div', class_='title')
    infos = []
    for title in titles:
        match = re.search(r'<a href="(.*?)">(.*?)</a>', str(title))
        if match:
            info = {
                'url': match.group(1),
                'title': match.group(2)
            }
            infos.append(info)
    return infos
 
def main():
    url = "https://www.example.com"
    html = get_html(url)
    infos = parse_html(html)
    for info in infos:
        print(f"标题:{info['title']},链接:{info['url']}")
 
if __name__ == '__main__':
    main()

这个代码示例展示了如何使用Python的requests库获取网页内容,使用BeautifulSoup进行网页解析,并使用正则表达式提取特定信息。代码简洁明了,注重实用性和教育意义。

最后修改于:2024年08月09日 12:37

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