Python-爬取网页信息

本文信息获取只限于个人学习使用，不涉及任何商业。转载一定要声明出处，谢谢

对于信息爬取需要一定的基础，小白建议先学基础知识。

对于本次学习爬虫中的一些总结：
1.要熟练掌握基础知识，包括一些基础的语法
2.正则表达式的正确使用，建议学习北理工的Python爬虫课程
3.先写大框架再添加小的功能解析
4.对程序异常处理要熟练，尽量使用try...excep结构
5.对于列表字符串数据的基本使用到位，比如增删改查等
6.思路必须清晰
以下是爬取过程代码：

import requests
import re

def getHTMLText(url):
try:
r = requests.get(url, timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return ""

def parsePage(ilt, html):
try:
plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"',html)
tlt = re.findall(r'\"raw_title\"\:\".*?\"',html)
for i in range(len(plt)):
price = eval(plt[i].split(':')[1])
title = eval(tlt[i].split(':')[1])
ilt.append([price , title])
except:
print("")

def printGoodsList(ilt):
tplt = "{:4}\t{:8}\t{:16}"
print(tplt.format("序号", "价格", "商品名称"))
count = 0
for g in ilt:
count = count + 1
print(tplt.format(count, g[0], g[1]))

def main():
goods = '电脑'
depth = 3
start_url = 'https://s.taobao.com/search?q=' + goods
infoList = []
for i in range(depth):
try:
url = start_url + '&s=' + str(44*i)
html = getHTMLText(url)
parsePage(infoList, html)
except:
continue
printGoodsList(infoList)

main()