Python3网络爬虫开发实战爬虫基础库




import requests
from bs4 import BeautifulSoup
import re
import time
import random
 
# 设置请求头信息,模拟浏览器访问
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):
    """发送请求,获取网页内容"""
    try:
        response = requests.get(url, headers=headers)
        if response.status_code == 200:
            return response.text
        return None
    except requests.RequestException:
        return None
 
def parse_html(html):
    """解析网页内容,提取有效信息"""
    soup = BeautifulSoup(html, 'html.parser')
    # 提取帖子标题
    titles = soup.find_all('a', class_='j_thread_title')
    for title in titles:
        yield title.get_text()
 
def save_data(data, filename):
    """将数据保存到文件"""
    with open(filename, 'a', encoding='utf-8') as f:
        f.write(data + '\n')
 
def crawl_page(url, filename):
    """爬取页面内容"""
    html = get_html(url)
    if html:
        for title in parse_html(html):
            print(title)
            save_data(title, filename)
            # 为了避免爬虫被封,这里随机休眠几秒
            time.sleep(random.randint(1, 3))
 
if __name__ == '__main__':
    url = 'https://www.example.com/page/number/1'
    filename = 'example.txt'
    crawl_page(url, filename)

这个示例代码展示了如何使用requests库获取网页内容,使用BeautifulSoup进行网页解析,以及如何使用简单的正则表达式提取帖子标题。同时,代码中还包含了异常处理和随机休眠,以防被服务器封禁。这些技巧对于开发健壮的网络爬虫至关重要。

最后修改于:2024年08月09日 12:37

评论已关闭

推荐阅读

Vue中使用mind-map实现在线思维导图
2024年08月04日
VUE
Web前端最全Vue实现免密登录跳转的方式_vue怎么样不登录返回首页,最强技术实现
2024年08月04日
VUE
vue3 项目搭建教程(基于create-vue,vite,Vite + Vue)
2024年08月04日
VUE
Vue-颜色选择器实现方案——>Vue-Color( 实战*1+ Demo*7)
2024年08月04日
VUE
Vue项目卡顿慢加载?这些优化技巧告诉你!_vue数据多渲染卡顿
2024年08月04日
VUE
vue中的keep-alive详解与应用场景
2024年08月04日
VUE
Vue、React实现excel导出功能(三种实现方式保姆级讲解)
2024年08月04日
vue-office/docx插件实现docx文件预览
2024年08月04日
VUE
java调用js文件的两种方法(支持V8引擎)
2024年08月04日
JavaScript:解决计算精度问题/mathjs/bignumber.js/big.js/decimal.js
2024年08月04日
两周从爬虫小白变大神 _yjs_js_security_passport
2024年08月04日
JS笔记(对象、函数、数组)
2024年08月04日
Markdown.js:强大的纯JavaScript Markdown解析器
2024年08月04日
Vue项目:js模拟点击a标签下载文件并重命名,URL文件地址下载方法、请求接口下载文件方法总结。
2024年08月04日
vue 父组件怎么获取子组件里面的data数据
2024年08月04日
VUE
个人开发实现AI套壳网站快速搭建(Vue+elementUI+SpringBoot)
2024年08月04日
el-table 表格封装并改造实现单元格可编辑
2024年08月04日
none
nodejs环境下创建vue项目、SSH密钥登陆!!!
2024年08月04日
vue+quill+element-ui实现视频、图片上传及缩放保姆级教程,轻松使用富文本
2024年08月04日
【three.js】22. Imported Models导入模型
2024年08月04日