快捷導(dǎo)航

python爬蟲之bs4數(shù)據(jù)解析

更新時間：2021年04月26日 10:45:09 作者：世界的隱喻

這篇文章主要介紹了python爬蟲之bs4數(shù)據(jù)解析,文中有非常詳細(xì)的代碼示例,對正在學(xué)習(xí)python爬蟲的小伙伴們有非常好的幫助,需要的朋友可以參考下

一、實現(xiàn)數(shù)據(jù)解析

因為正則表達(dá)式本身有難度，所以在這里為大家介紹一下 bs4 實現(xiàn)數(shù)據(jù)解析。除此之外還有 xpath 解析。因為 xpath 不僅可以在 python 中使用，所以 bs4 和正則解析一樣，僅僅是簡單地寫兩個案例（爬取可翻頁的圖片，以及爬取三國演義）。以后的重點會在 xpath 上。

二、安裝庫

閑話少說，我們先來安裝 bs4 相關(guān)的外來庫。比較簡單。

1.首先打開 cmd 命令面板，依次安裝bs4 和 lxml。

2. 命令分別是 pip install bs4 和 pip install lxml 。

3. 安裝完成后我們可以試著調(diào)用他們，看看會不會報錯。

因為本人水平有限，所以如果出現(xiàn)報錯，兄弟們還是百度一下好啦。（總不至于 cmd 命令打錯了吧 ~~）

三、bs4 的用法

閑話少說，先簡單介紹一下 bs4 的用法。

在這里插入圖片描述

四、爬取圖片

import requests
from bs4 import BeautifulSoup
import os

if __name__ == "__main__":
    # 創(chuàng)建文件夾
    if not os.path.exists("./糗圖（bs4）"):
        os.mkdir("./糗圖（bs4）")

    # UA偽裝
    header = {
        "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.72 Safari/537.36"
        }

    # 指定 url
    for i in range(1, 3): # 翻兩頁
        url = "https://www.qiushibaike.com/imgrank/page/%s/" % str(i)
        # 獲取源碼數(shù)據(jù)
        page = requests.get(url = url, headers = header).text
        # 數(shù)據(jù)解析
        soup = BeautifulSoup(page, "lxml")
        data_list = soup.select(".thumb > a")
        for data in data_list:
            url = data.img["src"]
            title = url.split("/")[-1]
            new_url = "https:" + url
            photo = requests.get(url = new_url, headers = header).content
            # 存儲
            with open("./糗圖（bs4）/" + title, "wb") as fp:
                fp.write(photo)
            print(title, "下載完成?。?！")
    print("over!!!")

五、爬取三國演義

import requests
from bs4 import BeautifulSoup

if __name__ == "__main__":
    # UA 偽裝
    header = {
        "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36"
        }

    # URL
    url = "http://sanguo.5000yan.com/"

    # 請求命令
    page_text = requests.get(url = url, headers = header)
    page_text.encoding = "utf-8"
    page_text = page_text.text
    soup = BeautifulSoup(page_text, "lxml")
    
    # bs4 解析
    li_list = soup.select(".sidamingzhu-list-mulu > ul > li")
    
    for li in li_list:
        print(li)
        new_url = li.a["href"]
        title = li.a.text

        # 新的請求命令
        response = requests.get(url = new_url, headers = header)
        response.encoding = "utf-8"
        new_page_text = response.text
        new_soup = BeautifulSoup(new_page_text, "lxml")

        page = new_soup.find("div", class_ = "grap").text

        with open("./三國演義.txt", "a", encoding = "utf-8") as fp:
            fp.write("\n" + title + ":" + "\n" + "\n" + page)

        print(title + "下載完成?。。?)

到此這篇關(guān)于python爬蟲之bs4數(shù)據(jù)解析的文章就介紹到這了,更多相關(guān)python bs4數(shù)據(jù)解析內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: