使用Python爬取網(wǎng)頁(yè)數(shù)據(jù)的方法：

一、利用webbrowser.open()打開(kāi)一個(gè)網(wǎng)站：>>> import webbrowser

>>> webbrowser.open('http://i.firefoxchina.cn/?from=worldindex')

True

1.從sys.argv讀取命令行參數(shù)：打開(kāi)一個(gè)新的文件編輯器窗口，輸入下面的代碼，將其保存為map.py。

2.讀取剪貼板內(nèi)容：

3.調(diào)用webbrowser.open()函數(shù)打開(kāi)外部瀏覽：#! python3

import webbrowser, sys, pyperclip

if len(sys.argv) > 1:

mapAddress = ''.join(sys.argv[1:])

else:

mapAddress = pyperclip.paste()

webbrowser.open('http://map.baidu.com/?newmap=1&ie=utf-8&s=s%26wd%3D' + mapAddress

二、用requests模塊從Web下載文件：requests模塊不是Python自帶的，通過(guò)命令行運(yùn)行pip install request安裝。>>> import requests

>>> res = requests.get('http://i.firefoxchina.cn/?from=worldindex') #向get中傳入一個(gè)網(wǎng)址

>>> type(res) #響應(yīng)對(duì)象

>>> print(res.status_code) #響應(yīng)碼

200

>>> res.text #返回的文本

在下載文件的過(guò)程中，用raise_for_status()方法可以確保下載確實(shí)成功，然后再讓程序繼續(xù)做其他事情。import requests

res = requests.get('http://i.firefoxchina.cn/?from=worldindex')

try:

res.raise_for_status()

except Exception as exc:

print('There was a problem: %s' % (exc))

三、將下載的文件保存到本地：>>> import requests

>>> res = requests.get('http://tech.firefox.sina.com/17/0820/10/6DKQALVRW5JHGE1I.html##0-tsina-1-13074-397232819ff9a47a7b7e80a40613cfe1')

>>> res.raise_for_status()

>>> file = open('1.txt', 'wb') #以寫(xiě)二進(jìn)制模式打開(kāi)文件，目的是保存文本中的“Unicode編碼”

>>> for word in res.iter_content(100000): #iter_content()方法在循環(huán)的每次迭代中返回一段bytes數(shù)據(jù)類(lèi)型的內(nèi)容，你需要指定其包含的字節(jié)數(shù)

file.write(word)

16997

>>> file.close()

四、用BeautifulSoup模塊解析HTML：在命令行中用pip install beautifulsoup4安裝它。

1.bs4.BeautifulSoup()函數(shù)可以解析HTML網(wǎng)站鏈接requests.get()，也可以解析本地保存的HTML文件，直接open()一個(gè)本地HTML頁(yè)面。>>> import requests, bs4

>>> res = requests.get('http://i.firefoxchina.cn/?from=worldindex')

>>> res.raise_for_status()

>>> soup = bs4.BeautifulSoup(res.text)

Warning (from warnings module):

File "C:\Users\King\AppData\Local\Programs\Python\Python36-32\lib\site-packages\beautifulsoup4-4.6.0-py3.6.egg\bs4\__init__.py", line 181

markup_type=markup_type))

UserWarning: No parser was explicitly specified, so I'm using the best available HTML parser for this system ("html.parser"). This usually isn't a problem, but if you run this code on another system, or in a different virtual environment, it may use a different parser and behave differently.

The code that caused this warning is on line 1 of the file . To get rid of this warning, change code that looks like this:

BeautifulSoup(YOUR_MARKUP})

to this:

BeautifulSoup(YOUR_MARKUP, "html.parser")

>>> soup = bs4.BeautifulSoup(res.text, 'html.parser')

>>> type(soup)

我這里有錯(cuò)誤提示，所以加了第二個(gè)參數(shù)。>>> import bs4

>>> html = open('C:\\Users\\King\\Desktop\\1.htm')

>>> exampleSoup = bs4.BeautifulSoup(html)

>>> exampleSoup = bs4.BeautifulSoup(html, 'html.parser')

>>> type(exampleSoup)

2.用select()方法尋找元素：需傳入一個(gè)字符串作為CSS“選擇器”來(lái)取得Web頁(yè)面相應(yīng)元素，例如：

soup.select('div')：所有名為

的元素；

soup.select('#author')：帶有id屬性為author的元素；

soup.select('.notice')：所有使用CSS class屬性名為notice的元素；

soup.select('div span')：所有在

元素之內(nèi)的元素；

soup.select('input[name]')：所有名為并有一個(gè)name屬性，其值無(wú)所謂的元素；

soup.select('input[type="button"]')：所有名為并有一個(gè)type屬性，其值為button的元素。>>> import requests, bs4

>>> res = requests.get('http://i.firefoxchina.cn/?from=worldindex')

>>> res.raise_for_status()

>>> soup = bs4.BeautifulSoup(res.text, 'html.parser')

>>> author = soup.select('#author')

>>> print(author)

[]

>>> type(author)

>>> link = soup.select('link ')

>>> print(link)

[, , , ]

>>> type(link)

>>> len(link)

4

>>> type(link[0])

>>> link[0]

>>> link[0].attrs

{'rel': ['stylesheet'], 'type': 'text/css', 'href': 'css/mozMainStyle-min.css?v=20170705'}

3.通過(guò)元素的屬性獲取數(shù)據(jù)：接著上面的代碼寫(xiě)。>>> link[0].get('href')

'css/mozMainStyle-min.css?v=20170705

總結(jié)

以上是生活随笔為你收集整理的python爬取网页公开数据_如何用Python爬取网页数据的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。