溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹“怎么用Python爬取網頁的數據”，在日常操作中，相信很多人在怎么用Python爬取網頁的數據問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么用Python爬取網頁的數據”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
IDE：PyCharm
庫：requests、lxml
注：
requests：獲取網頁源代碼
lxml：得到網頁源代碼中的指定數據
這里的搭建環境，可不是搭建python的開發環境，這里的搭建環境是指，我們使用pycharm新建一個python項目，然后弄好requests和lxml
新建一個項目：
由于我們使用的是pycharm，所以我們導入這兩個庫就會顯的格外簡單
import requests
這個時候，requests會報紅線，這時候，我們將光標對準requests，按快捷鍵：alt + enter，pycharm會給出解決之道，這時候，選擇install package requests，pycharm就會自動為我們安裝了，我們只需要稍等片刻，這個庫就安裝好了。lxml的安裝方式同理.
之前我就說過，requests可以很方便的讓我們得到網頁的源代碼
網頁就拿我的博客地址舉例好了：https://coder-lida.github.io/
獲取源碼：
# 獲取源碼
html = requests.get("https://coder-lida.github.io/")
# 打印源碼
print html.text
代碼就是這么簡單，這個html.text便是這個URL的源碼
完整代碼：
import requests
import lxml
html = requests.get("https://coder-lida.github.io/")
print (html.text)
打印：
現在我們已經得到網頁源碼了，這時就需要用到lxml來來篩選出我們所需要的信息
這里我就以得到我博客列表為例,可以找到原網頁通過F12查看XPath,如圖
通過XPath的語法獲得網頁的內容。
查看第一篇文章標題
//*[@id="layout-cart"]/div[1]/a/@title
// 定位根節點
/ 往下層尋找
提取文本內容：/text()
提取屬性內容：/@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)
查看所有文章標題
//*[@id="layout-cart"]/div/a/@title
代碼：
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)
輸出：
[' springboot逆向工程 ', ' 自己實現一個簡單版的HashMap ', ' 開發中常用的 25 個JavaScript 單行代碼 ', ' shiro 加密登錄 密碼加鹽處理 ', ' Spring Boot構建RESTful API與單元測試 ', ' 記一次jsoup的使用 ']
到此，關于“怎么用Python爬取網頁的數據”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
