溫馨提示×

溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊×
其他方式登錄
點(diǎn)擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》

怎么用Python爬取數(shù)據(jù)

發(fā)布時(shí)間：2021-11-02 13:40:14 來源：億速云 閱讀：153 作者：iii 欄目：編程語言

這篇文章主要介紹“怎么用Python爬取數(shù)據(jù)”，在日常操作中，相信很多人在怎么用Python爬取數(shù)據(jù)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爬取數(shù)據(jù)”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

目標(biāo)：爬取指定網(wǎng)址的100頁情話

怎么用Python爬取數(shù)據(jù)
練手網(wǎng)站

準(zhǔn)備：python：3.7版本、開發(fā)工具：pycharm、瀏覽器：谷歌瀏覽器

思路：

  1. 通過requests+xpath來爬取網(wǎng)頁，并對信息進(jìn)行提取

  2. 不管網(wǎng)站有沒有反爬策略，最簡單的攜帶headers用上

  3. 循環(huán)寫入txt文件

  4. 把主要代碼寫成函數(shù)進(jìn)行封裝

幾個(gè)關(guān)鍵點(diǎn)：

  1. 注意網(wǎng)頁的編碼格式，一般來說，可以結(jié)合response.encoding和response.headers來觀察。如果headers里面沒有Content-Type,則編碼為encoding='utf-8';如果有Content-Type，以  charset 為準(zhǔn)，沒有charset,則為ISO-8859-1

  2. 觀察網(wǎng)頁的結(jié)構(gòu)，確定如何編寫程序?qū)崿F(xiàn)翻頁，在這里網(wǎng)站比較簡單，直接把序號+1就行

  3. 關(guān)于用beautifulsoup還是xpath，酌情使用，在這里，我直接使用xpath定位更加方便

最終效果：

得到100頁情話，并保存到txt文件里。

怎么用Python爬取數(shù)據(jù)
主要代碼
怎么用Python爬取數(shù)據(jù)
結(jié)果輸出

后期計(jì)劃改進(jìn)：

  1. 準(zhǔn)備把數(shù)據(jù)寫入數(shù)據(jù)庫

  2. 用flask框架搭建網(wǎng)站

  3. 準(zhǔn)備實(shí)現(xiàn)詞云效果，類似于下面這樣。

怎么用Python爬取數(shù)據(jù)

到此，關(guān)于“怎么用Python爬取數(shù)據(jù)”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注億速云網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬?shí)用的文章！

向AI問一下細(xì)節(jié)

免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手