python网络爬虫学习笔记(1)
2018-04-09 10:26
543 查看
本文实例为大家分享了python网络爬虫的笔记,供大家参考,具体内容如下
(一) 三种网页抓取方法
1、 正则表达式:
模块使用C语言编写,速度快,但是很脆弱,可能网页更新后就不能用了。
2、Beautiful Soup
模块使用Python编写,速度慢。
安装:
pip install beautifulsoup4
3、 Lxml
模块使用C语言编写,即快速又健壮,通常应该是最好的选择。
(二) Lxml安装
pip install lxml
如果使用lxml的css选择器,还要安装下面的模块
pip install cssselect
(三) 使用lxml示例
import urllib.request as re import lxml.html #下载网页并返回HTML def download(url,user_agent='Socrates',num=2): print('下载:'+url) #设置用户代理 headers = {'user_agent':user_agent} request = re.Request(url,headers=headers) try: #下载网页 html = re.urlopen(request).read() except re.URLError as e: print('下载失败'+e.reason) html=None if num>0: #遇到5XX错误时,递归调用自身重试下载,最多重复2次 if hasattr(e,'code') and 500<=e.code<600: return download(url,num-1) return html html = download('https://tieba.baidu.com/p/5475267611') #将HTML解析为统一的格式 tree = lxml.html.fromstring(html) # img = tree.cssselect('img.BDE_Image') #通过lxml的xpath获取src属性的值,返回一个列表 img = tree.xpath('//img[@class="BDE_Image"]/@src') x= 0 #迭代列表img,将图片保存在当前目录下 for i in img: re.urlretrieve(i,'%s.jpg'%x) x += 1
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
您可能感兴趣的文章:
相关文章推荐
- python网络爬虫学习笔记
- python网络爬虫学习笔记(一)配置安装python环境
- python 网络爬虫学习笔记(一)
- python网络爬虫学习笔记
- 精通python网络爬虫学习笔记(1)
- 用python写网络爬虫学习笔记(二)
- Python网络爬虫学习笔记(第一周)
- 用python写网络爬虫学习笔记(一)
- Python网络爬虫学习笔记(一)
- python网络爬虫学习笔记
- Python List常见函数
- violet python demo 1
- 我的第一个python web开发框架(15)——公司介绍编辑功能
- Python学习笔记010——作用域
- Pyhton 3 学习笔记 2017.11.17 (CMD + Python的练习)
- 在同一台电脑上同时安装Python2和Python3
- python3在anaconda下安装caffe失败
- [牛客网,剑指offer,python] 变态跳台阶
- 浅析python 中__name__ = '__main__' 的作用
- 【Python学习系列二十八】绘图库pyecharts