python抓取网页数据(抓取网页数据的思路有好，抓取抓取数据思路 )

　　python抓取网页数据(抓取网页数据的思路有好，抓取抓取数据思路

)

　　抓取网页数据的方法很多，一般有：直接代码请求http、模拟浏览器请求数据（一般需要登录验证）、控制浏览器实现数据抓取等。本文不考虑复杂的情况，放一个小例子读取简单网页数据：

　　目标数据

　　将此页面上所有这些玩家的超链接保存在 ittf网站 上。

　　数据请求

　　我真的很喜欢符合人类思维的库，比如请求。如果想直接取网页的文字，一句话就可以做到：

doc = requests.get(url).text

　　解析html获取数据

　　以beautifulsoup为例，它包括获取标签、链接、按照html层次遍历等方法。请参阅此处以供参考。以下代码段从 ittf网站 获取到指定页面上指定位置的链接。

url = 'http://www.ittf.com/ittf_ranking/wr_table_3_a2.asp?age_category_1=&age_category_2=&age_category_3=&age_category_4=&age_category_5=&category=100w&cont=&country=&gender=w&month1=4&year1=2015&s_player_name=&formv_wr_table_3_page='+str(page)

doc = requests.get(url).text

soup = beautifulsoup(doc)

atags = soup.find_all('a')

rank_link_pre = 'http://www.ittf.com/ittf_ranking/'

mlfile = open(linkfile,'a')

for atag in atags:

#print atag

if atag!=none and atag.get('href') != none:

if "wr_table_3_a2_details.asp" in atag['href']:

link = rank_link_pre + atag['href']

links.append(link)

mlfile.write(link+'\n')

print 'fetch link: '+link

mlfile.close()