python构建基础的爬虫教学

脚本专栏 2024/11/6 佚名

3 2 1

圆月山庄资源网 Design By www.vgjia.com

爬虫具有域名切换、信息收集以及信息存储功能。

这里讲述如何构建基础的爬虫架构。

1、

urllib库：包含从网络请求数据、处理cookie、改变请求头和用户处理元数据的函数。是python标准库.urlopen用于打开读取一个从网络获取的远程对象。能轻松读取HTML文件、图像文件及其他文件流。

2、

beautifulsoup库：通过定位HTML标签格式化和组织复杂的网络信息，用python对象展现XML结构信息。不是标准库，可用pip安装。常用的对象是BeautifulSoup对象。

1、基础爬虫

爬虫需要首先import对象，然后打开网址，使用BeautifulSoup对网页内容进行读取。

2、使用print输出打开的网址的内容。

3、从输出中可以看出内容的结构为：

4、输出内容中的html-body-h1的内容可使用四种语句。

5、

BeautifulSoup可提取HTML、XML文件的任意节点的信息，只需要目标信息旁边或附近有标记。

1、Error

在运行代码时，经常会出现错误，看懂错误出现的原因才能解决存在的问题。

2、

在html=urlopen('')中会发生两种错误：网页在服务器上不存在或服务器不存在

。

3、网页在服务器上不存在会出现HTTPError，可使用try语句进行处理。

当程序返回HTTPError错误代码时，会显示错误内容。

4、服务器不存在时，urlopen会返回None.

可使用判断语句进行检测。

调用的标签不存在会出现None，调用不存在的标签下的子标签，就会出现AttributeError错误。

总结：以上就是关于python构建基础的爬虫的基础步骤内容，感谢大家的阅读和对的支持。

python,基础,爬虫

标签：

python,基础,爬虫

圆月山庄资源网 Design By www.vgjia.com

广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com

圆月山庄资源网 Design By www.vgjia.com

评论“python构建基础的爬虫教学”

暂无评论...

www.vgjia.com 圆月山庄资源网

139,976互联网资源

144,792高清电影

21,817无损音乐

631,128技术资源

更新日志

2024年11月06日

python构建基础的爬虫教学

python,基础,爬虫

python3 cvs将数据读取为字典的方法

python将txt等文件中的数据读为numpy数组的方法

评论“python构建基础的爬虫教学”

更新日志

友情链接