目標網站：http://bohaishibei.com/post/category/main/(一個很有趣的網站，一段話配一個圖，老有意思了～)網站形式如下：

目標：把大的目標分為幾個小的目標。因為第一次干這個，所以對自己能力很清楚，所以完成順序由簡單到復雜。

1.爬取一期的內容，包括標題，和圖片的url

2.把數據存在本地的txt文件中

3.想爬多少就爬就爬少

4.寫一個網站，展示一下。(純用于學習)

Let‘s 搞定它!

第一步：

我用的是google瀏覽器，進入開發者模式，使用’頁面內的元素選擇器‘，先看一下內頁中的結構，找到我們要的數據所在’標簽‘。

這里我們需要的博海拾貝一期的內容全部在

第一條紅線是：頁面內的元素選擇器

第二條是：內容所在標簽

第三條是：title

經過分析得出，我只要，這個標簽的內容：所以寫了下面的方法：

這里需要說一下：在寫這個爬蟲之前我就打算只用字符串的內置函數來處理匹配問題，所以我就上http://www.w3cschool.cc/python/進入到字符串頁面，大致看了一遍字符串的內建函數有哪些。

partition() 方法用來根據指定的分隔符將字符串進行分割。

如果字符串包含指定的分隔符，則返回一個3元的元組，第一個為分隔符左邊的子串，第二個為分隔符本身，第三個為分隔符右邊的子串。

partition() 方法是在2.5版中新增的。參考：http://www.w3cschool.cc/python/att-string-partition.html

這樣我就得到只有內容的字符串了，干凈～

第二步：

得到title的內容。title的格式如下，我只要’【2】‘后面的文字，后面的img暫時不考慮一步步的來。

【2】這是我最近的狀態，請告訴我不是我一個人！

http://ww4.sinaimg.cn/mw690/005CfBldtw1etay8ifthnj30an0aot8w.jpg />

我寫了下面的方法：

這里用try....except是因為我不知道怎么跳出循環。。。。求大神有更好的方法告訴我。

我這里跳出循環用的是當拋出VlaueError異常就說明找不到了，那就返回列表。就跳出循環了。

num1是】的位置，num2是

的位置，然后用序列的切片，咔嚓咔嚓一下就是我想要的數據了。這里需要注意的是：切片’要頭不要尾‘所以我們的得到的數據就是這個樣子的：

哎呀，這個是什么鬼！要頭不要尾就是這個意思！

然后我就想：那就把num1加1不就完了嗎？我真是太天真了。。。。

請+3，我覺得原理是這樣的，這個是個中文字符！(求大神指點)

第三步：

交代清楚我昨天晚上做的事情了，記錄下時間——10:01，下面我要爬圖片的url了。這里要說一下，如果要把圖片下下來，最重要的一步就是得到url，然后下載下來保存到本地(用文本的IO)。

我先獲得url，實現原理同獲取title，我在想，既然一樣卸載獲取title的方法里好，還是在寫一個方法好。我單獨寫了一個方法，但是其實就是復制了一下title的方法，改了下匹配的字符串，代碼如下：

結果圖如下：

這里發現，有的時候一個title會有很多個圖片。我思考之后有如下思路：

1.需要寫一個方法，當一個title出現多個圖片的時候，捕獲url。這個需要有一個判斷語句，當url長度大于一個url長度的時候，才需要調用這個函數。

2.多個圖片的url怎么放？使用符號隔開存放還是嵌套放入一個數組里面？我這里打算用’|‘隔開，這樣的話加一個判語句，或者先判斷一下url長度，都可以進行。

這個問題先放在這里，因為當我要下載的時候這個url才需要過濾，所以先進行下一步，把數據存到本地txt文中，這里在解決這個問題也不晚。

第四步：

把數據存到本地的txt中。Python文件IO參考資料：http://www.w3cschool.cc/python/python-files-io.html

這里需要注意的是，文本寫入的時候記得close，還有就是注意打開文本的模式。

這里我考慮了一個問題，根據《編寫高質量代碼——改善python程序的91個建議》這本書中寫道的，字符串連接時，用jion()效率高于’+‘

所以我寫了如下代碼：

這樣造成了一個問題，看圖

造成最后一個和新的一個列表寫入時在同一行。同時用with....as更好。修改后代碼如下：

下面研究title和img以什么樣的格式存入txt文本：

title$img

這里我有一個概念混淆了，+和join()方法的效率問題主要在連接多個字符串的時候，我這個只用連接一次，不需要考慮這個問題。

文本中的內容如下：愿你貪吃不胖，愿你懶惰不丑，愿你深情不被辜負。$http://ww1.sinaimg.cn/mw690/005CfBldtw1etay8dl1bsj30c50cbq4m.jpg"

這是我最近的狀態，請告訴我不是我一個人！$http://ww4.sinaimg.cn/mw690/005CfBldtw1etay8ifthnj30an0aot8w.jpg

引誘別人和你擊拳慶祝，然后偷偷把手勢變成二，就可以合體成為蝸牛cosplay……$http://ww2.sinaimg.cn/mw690/005CfBldtw1etay8fzm1sg30b40644qq.gif

原來蝸牛是醬紫吃東西的。。。。漲姿勢！$http://ww4.sinaimg.cn/mw690/005CfBldtw1etay8egg8vg30bo08ax6p.gif

寫入文本的最后，解決多個圖片的問題：

輸出如下：元氣少女陳意涵 by @TopFashionStyle$http://ww2.sinaimg.cn/mw690/005CfBldtw1etay848iktj30bz0bcq4x.jpg|http://ww1.sinaimg.cn/mw690/005CfBldtw1etay83kv5pj30c10bkjsr.jpg|http://ww3.sinaimg.cn/mw690/005CfBldtw1etay82qdvsj30c10bkq3z.jpg|http://ww1.sinaimg.cn/mw690/005CfBldtw1etay836z8lj30c00biq40.jpg|http://ww4.sinaimg.cn/mw690/005CfBldtw1etay8279qmj30ac0a0q3p.jpg|http://ww1.sinaimg.cn/mw690/005CfBldtw1etay81ug5kj30c50bnta6.jpg|http://ww2.sinaimg.cn/mw690/005CfBldtw1etay8161ncj30c20bgmyt.jpg|http://ww2.sinaimg.cn/mw690/005CfBldtw1etay804oy7j30bs0bgt9r.jpg|

暫時功能是實現了，后面遇到問題需要修改在改吧。。。。新手走一步看一步！！！

到此為止，已經完成了前兩個簡單的計劃：

1.爬取一期的內容，包括標題，和圖片的url

2.把數據存在本地的txt文件中

全部代碼如下：

總結

以上是生活随笔為你收集整理的python爬虫记录时间_Python新手写爬虫全过程记录分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。