扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
这篇文章主要介绍“怎么用Python爬取网页的数据”，在日常操作中，相信很多人在怎么用Python爬取网页的数据问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”怎么用Python爬取网页的数据”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
创新互联主要从事网站设计、成都网站制作、网页设计、企业做网站、公司建网站等业务。立足成都服务龙城,十余年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:13518219792
IDE：PyCharm
库：requests、lxml
注：
requests：获取网页源代码
lxml：得到网页源代码中的指定数据
这里的搭建环境，可不是搭建python的开发环境，这里的搭建环境是指，我们使用pycharm新建一个python项目，然后弄好requests和lxml
新建一个项目：
由于我们使用的是pycharm，所以我们导入这两个库就会显的格外简单
import requests
这个时候，requests会报红线，这时候，我们将光标对准requests，按快捷键：alt + enter，pycharm会给出解决之道，这时候，选择install package requests，pycharm就会自动为我们安装了，我们只需要稍等片刻，这个库就安装好了。lxml的安装方式同理.
之前我就说过，requests可以很方便的让我们得到网页的源代码
网页就拿我的博客地址举例好了：https://coder-lida.github.io/
获取源码：
# 获取源码
html = requests.get("https://coder-lida.github.io/")
# 打印源码
print html.text
代码就是这么简单，这个html.text便是这个URL的源码
完整代码：
import requests
import lxml
html = requests.get("https://coder-lida.github.io/")
print (html.text)
打印：
现在我们已经得到网页源码了，这时就需要用到lxml来来筛选出我们所需要的信息
这里我就以得到我博客列表为例,可以找到原网页通过F12查看XPath,如图
通过XPath的语法获得网页的内容。
查看第一篇文章标题
//*[@id="layout-cart"]/div[1]/a/@title
// 定位根节点
/ 往下层寻找
提取文本内容：/text()
提取属性内容：/@xxxx
import requests
from lxml import etree
html = requests.get("https://coder-lida.github.io/")
#print (html.text)
etree_html = etree.HTML(html.text)
content = etree_html.xpath('//*[@id="layout-cart"]/div[1]/a/@title')
print(content)
查看所有文章标题
//*[@id="layout-cart"]/div/a/@title
代码：
import requests
from lxml import etree
html = requests.get("https://coder-lida.github.io/")
#print (html.text)
etree_html = etree.HTML(html.text)
content = etree_html.xpath('//*[@id="layout-cart"]/div/a/@title')
print(content)
输出：
[' springboot逆向工程 ', ' 自己实现一个简单版的HashMap ', ' 开发中常用的 25 个JavaScript 单行代码 ', ' shiro 加密登录 密码加盐处理 ', ' Spring Boot构建RESTful API与单元测试 ', ' 记一次jsoup的使用 ']
到此，关于“怎么用Python爬取网页的数据”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网