利用python爬蟲怎么爬取同一個(gè)網(wǎng)站的多頁數(shù)據(jù)

本篇文章為大家展示了利用python爬蟲怎么爬取同一個(gè)網(wǎng)站的多頁數(shù)據(jù)，內(nèi)容簡(jiǎn)明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過這篇文章的詳細(xì)介紹希望你能有所收獲。

從網(wǎng)上獲取對(duì)你有需要的數(shù)據(jù)

二、爬蟲過程

1、獲取url（網(wǎng)址）。

2、發(fā)出請(qǐng)求，獲得響應(yīng)。

3、提取數(shù)據(jù)。

4、保存數(shù)據(jù)。

三、爬蟲功能

可以快速批量的獲取想要的數(shù)據(jù)，不用手動(dòng)的一個(gè)個(gè)下載(圖片、文字音視頻等)

四、使用python爬蟲爬取同一網(wǎng)站多頁數(shù)據(jù)

1、需要定位至該標(biāo)簽并獲得總頁數(shù)

def get_page_size(soup):
  pcxt=soup.find('div',{'class':'babynames-term-articles'}).find('nav')
  pcxt1=pcxt.find('div',{'class':'nav-links'}).findAll('a')
  for i in pcxt1[:-1]:
    link=i.get('href')
    s=str(i)
  page=re.sub('<a href="','',s)
  page1=re.sub(link,'',page)
  page2=re.sub('">','',page1)
  page3=re.sub('</a>','',page2)
  pagesize=int(page3)
  print(pagesize)
  return pagesize
Pass

2、更改url來訪問網(wǎng)址，也就是進(jìn)行主函數(shù)的編寫

if __name__ == '__main__':
    url="http://www.sheknows.com/baby-names/browse/a/"
    soup=get_requests(url)
    page=get_page_size(soup)
    for i in range(1,page+1):
      url1=url+"page/"+str(i)+"/"
      soup1=get_requests(url1)
      draw_base_list(soup1)

實(shí)例擴(kuò)展：

import requests
from lxml import etree
import re

url="https://movie.douban.com/top250"
header = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36"}

allMovieList=[]
flag = True
while flag:
  html = requests.get(url, headers=header).text
  list = etree.HTML(html)
  lis = list.xpath('//ol[@class="grid_view"]/li')
  for oneSelector in lis:
    name = oneSelector.xpath("div/div[2]/div[1]/a/span[1]/text()")[0]
    score = oneSelector.xpath("div/div[2]/div[2]/div/span[2]/text()")[0]
    people = oneSelector.xpath("div/div[2]/div[2]/div/span[4]/text()")[0]
    people = re.findall("(.*?)人評(píng)價(jià)",people)[0]
    oneMovieList = [name,score,people]
    allMovieList.append(oneMovieList)
  #獲取下一頁地址
  try:
    next_url = list.xpath('//span[@class="next"]/a/@href')[0]
    if next_url:
      url = "https://movie.douban.com/top250"+ next_url
  except:
    flag = False
print(allMovieList)

上述內(nèi)容就是利用python爬蟲怎么爬取同一個(gè)網(wǎng)站的多頁數(shù)據(jù)，你們學(xué)到知識(shí)或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識(shí)儲(chǔ)備，歡迎關(guān)注億速云行業(yè)資訊頻道。