为了账号安全,请及时绑定邮箱和手机立即绑定

Python开发简单爬虫

蚂蚁帅帅 全栈工程师
难度初级
时长 1小时14分
学习人数
综合评分9.67
646人评价 查看评价
9.9 内容实用
9.6 简洁易懂
9.5 逻辑清晰

已采纳回答 / 慕慕tyt
单引号更快运行,还有注意中英文
输出乱码可尝试做以下修改:

fout = open('output.html', 'w', encoding='utf-8') # 此处添加encoding='utf-8'
# 在fout.write("<html>")后添加这一行:
fout.write("<head><meta http-equiv='content-type' content='text/html;charset=utf-8'></head>")
这个老师幸苦了!全程都是在吼!
最后一句突然调皮哈哈哈
改成r"/item/"终于给爬出来啦
print '\n第二种方法\n'
学python,做一个网页扒手
这个老师真的很用心,讲的很溜,赞
都说要美女图片 像我目标就伟大点了 ...
对于https需要做以下处理
import ssl

ssl._create_default_https_context = ssl._create_unverified_context
response = urllib.request.urlopen(url)
print("正则匹配")
link_node = soup.find('a', href = re.compile(r"ill"))
print(link_node.name, link_node['href'], link_node.get_text())
print("获取lacie的链接")
link_node = soup.find('a', href = 'http://example.com/lacie')
print(link_node.name, link_node['href'], link_node.get_text())
soup = BeautifulSoup(html_doc,'html.parser',from_encoding='utf-8')
print("获取所有的链接")
links = soup.find_all('a')
for link in links:
print(link.name , link['href'],link.get_text())
课程须知
本课程是Python语言开发的高级课程 1、Python编程语法; 2、HTML语言基础知识; 3、正则表达式基础知识;
老师告诉你能学到什么?
1、爬虫技术的含义和存在价值 2、爬虫技术架构 3、组成爬虫的关键模块:URL管理器、HTML下载器和HTML解析器 4、实战抓取百度百科1000个词条页面数据的抓取策略设定、实战代码编写、爬虫实例运行 5、一套极简的可扩展爬虫代码,修改本代码,你就能抓取任何互联网网页!

微信扫码,参与3人拼团

意见反馈 帮助中心 APP下载
官方微信
友情提示:

您好,此课程属于迁移课程,您已购买该课程,无需重复购买,感谢您对慕课网的支持!

本次提问将花费2个积分

你的积分不足,无法发表

为什么扣积分?

本次提问将花费2个积分

继续发表请点击 "确定"

为什么扣积分?

举报

0/150
提交
取消