Python之爬取其他网页


本文摘自php中文网,作者零到壹度,侵删。

本文主要为大家分享一篇Python之爬取其他网页的请求方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧,希望能帮助到大家。

简单的说就是寻找网页中的超链接‘href’,之后将相对网址转变为绝对网址,在用for循环访问他

1

2

3

4

5

6

7

8

9

10

11

12

import requestsfrom bs4 import BeautifulSoup#将字符串转换为Python对象import pandas as pd

url = 'http://www.runoob.com/html/html-tutorial.html'r= requests.get(url)

html=r.text.encode(r.encoding).decode()

soup =BeautifulSoup(html,'lxml')#html放到beatifulsoup对象中l=[x.text for x in soup.findAll('h2')]#提取次标题中所有的文字df = pd.DataFrame(l,columns =[url])#将l变为DataFrame文件,列名为URLx=soup.findAll('a')[1]#查看第二个元素x.has_attr('href')#判断是都有href字符x.attrs['href']#获得超链接 attrs函数返回字典links = [i for i in soup.findAll('a')if i.has_attr('href')and i.attrs['href'][0:5]== '/html']#用if来做一个筛选relative_urls= set([i.attrs['href'] for i in links])

absolute_urls={'http://www.runoob.com'+i for i in relative_urls}

absolute_urls.discard(url)#删除当前所在的urlfor i in absolute_urls:

    ri= requests.get(i)

    soupi =BeautifulSoup(ri.text.encode(ri.encoding),'lxml')

    li=[x.text for x in soupi.findAll('h2')]

    dfi = pd.DataFrame(l,columns =[i])

    df = df.join(dfi,how='outer')

df

相关推荐:

Python爬取简单网页

python爬虫之爬取腾讯新闻

python爬取淘宝商品信息

以上就是Python之爬取其他网页的详细内容,更多文章请关注木庄网络博客!!

相关阅读 >>

Python单引号和双引号的区别

Python之spider

Python中pyqt5的安装失败问题解决方法分享

Python利用不到一百行代码实现一个小siri

Python类变量和实例变量区别

Python: pandas如何高效运算的方法

静态方法怎么使用

Python中的sample什么意思

Python中猴子补丁是什么?怎么用?

Python如何整段注释

更多相关阅读请进入《Python》频道 >>




打赏

取消

感谢您的支持,我会继续努力的!

扫码支持
扫码打赏,您说多少就多少

打开支付宝扫一扫,即可进行扫码打赏哦

分享从这里开始,精彩与您同在

评论

管理员已关闭评论功能...