python抓取网页数据(requetsrequests库requests库 )

　　python抓取网页数据(requetsrequests库requests库

)

　　要求

　　Requests是一个简单易用的HTTP库，用Python实现，比urllib简单得多

　　因为它是第三方库，所以在使用之前需要安装CMD

　　pip安装请求

　　安装完成后，将其导入。如果正常，则表示可以使用

　　基本用法：

　　请求。Get（）用于请求目标网站，类型为HTTP响应类型

　　mport requests

response = requests.get('http://www.baidu.com')

print(response.status_code) # 打印状态码

print(response.url) # 打印请求url

print(response.headers) # 打印头信息

print(response.cookies) # 打印cookie信息

print(response.text) #以文本形式打印网页源码

print(response.content) #以字节流形式打印

　　为您的请求添加标题

　　import requests

heads = {}

heads['User-Agent'] = 'Mozilla/5.0 ' \

'(Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 ' \

'(KHTML, like Gecko) Version/5.1 Safari/534.50'

response = requests.get('http://www.baidu.com',headers=headers)

　　靓汤

　　简而言之，BeautifulSoup是一个Python库。它的主要功能是从网页中获取数据。官方解释如下：

　　Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱，通过解析文档为用户提供需要抓取的数据，因为简单，所以不需要多少代码就可以写出一个完整的应用程序。

Beautiful Soup自动将输入文档转换为Unicode编码，输出文档转换为utf-8编码。你不需要考虑编码方式，除非文档没有指定一个编码方式，这时，Beautiful Soup就不能自动识别编码方式了。然后，你仅仅需要说明一下原始编码方式就可以了。

Beautiful Soup已成为和lxml、html6lib一样出色的python解释器，为用户灵活地提供不同的解析策略或强劲的速度。

　　Eautiful soup支持Python标准库中的HTML解析器和一些第三方解析器。如果我们不安装它，python将使用python的默认解析器。Lxml解析器功能更强大，速度更快。建议安装它

　　语法分析器文档具有很强的容错性

　　Lxml速度块，容错能力强

　　XML是唯一支持XML的解析器，它的速度非常快

　　Html5lib速度慢，容错性最强

　　实现简单的爬虫练习

　　import requests

from bs4 import BeautifulSoup

def getHTMLText(url):

try:

r = requests.get(url ,timeout = 30)

r = raise_for_status()

r.encoding = "utf-8"

return r.text

except:

return ""

url = "http://www.baidu.com"

print(getHTMLText(url))

　　import requests

from bs4 import BeautifulSoup

url = "http://www.baidu.com"

r = reuqests.get(url)

r.encoding = "utf-8"

soup = BeautifulSoup(r ,"xml")

print(soup.title.arrts)

print(soup.title.name)

print(soup.title.string)