爬蟲入門1

爬蟲三大庫 request葛假、BeautifulSoup、lxml庫

推薦使用lxml作為解釋器滋恬,其效率高

使用請求頭來偽裝瀏覽器聊训,右鍵檢查,請求頭在network中尋找User-Agent恢氯,找到network后刷新一下
拉到最下面带斑。

import lxml

import requests

from bs4 import BeautifulSoup

headers={

'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.75 Safari/537.36'

}

res=requests.get("http://bj.xiaozhu.com/",headers=headers)

soup=BeautifulSoup(res.text,"lxml")

print(soup.prettify())

解析得到的Soup文檔有find()鼓寺、find_all()、selector()方法

1.soup.find_all("div","item") #查找div標(biāo)簽勋磕,class="item"

2.find()方法與find_all()方法類似妈候,前者查找全部,后者第一個(gè)

3.selector()方法

soup.selector(div.item>a>h1) #括號內(nèi)容通過Chrome瀏覽器復(fù)制得到挂滓,如圖苦银,選擇想要查看的信息,右鍵檢查

image

此時(shí)便能得到如下:

page_list > ul > li:nth-child(1) > div.result_btm_con.lodgeunitname > div:nth-child(1) > span > i

把li:nth-child(1)改為li:nth-of-type(1),注意>左右都有一個(gè)空格赶站。親測比較難用墓毒,了解而已。

用find_all()比較好使亲怠,代碼如下:

import lxml

import requests

from bs4import BeautifulSoup

headers={

'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.75 Safari/537.36'

}

res=requests.get("http://bj.xiaozhu.com/",headers=headers)

soup=BeautifulSoup(res.text,"lxml")

prices=soup.find_all("span","result_price")

names=soup.find_all("span","result_title hiddenTxt")

for price,namein zip(prices,names):

print(name.get_text(),price.get_text())

綜合應(yīng)用所计,爬取北京地區(qū)短租房信息:

爬取多頁的信息,首先手動(dòng)翻頁团秽,得到每頁的地址主胧,如下:

http://bj.xiaozhu.com/search-duanzufang-p2-0/

http://bj.xiaozhu.com/search-duanzufang-p3-0/

發(fā)現(xiàn)了吧,更改pi就可以實(shí)現(xiàn)自動(dòng)翻頁习勤,本次爬取全部的信息踪栋。
'''
import lxml
import requests
from bs4 import BeautifulSoup
import time

headers={
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.75 Safari/537.36'
}

def get_links(url):
web_data=requests.get(url,headers=headers)
soup=BeautifulSoup(web_data.text,"lxml")
prices=soup.find_all("span","result_price")
names=soup.find_all("span","result_title hiddenTxt")
informations=soup.find_all("em","hiddenTxt")
links=soup.find_all("a","resule_img_a")
for name,price,link,information in zip(names,prices,links,informations):
data={
"name":name.get_text().strip(),
"price":price.get_text().strip(),
"href":link.get("href"),
"information":information.get_text().replace("\n"," ").strip()
}
print(data)
urls=['http://bj.xiaozhu.com/search-duanzufang-p{}-0/'.format(number) for number in range(1,14)]
for url in urls:
get_links(url)
time.sleep(2)
'''

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市图毕,隨后出現(xiàn)的幾起案子夷都,更是在濱河造成了極大的恐慌,老刑警劉巖予颤,帶你破解...
    沈念sama閱讀 212,686評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件囤官,死亡現(xiàn)場離奇詭異,居然都是意外死亡蛤虐,警方通過查閱死者的電腦和手機(jī)党饮,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,668評論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來驳庭,“玉大人刑顺,你說我怎么就攤上這事∷浅#” “怎么了蹲堂?”我有些...
    開封第一講書人閱讀 158,160評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長贝淤。 經(jīng)常有香客問我柒竞,道長,這世上最難降的妖魔是什么霹娄? 我笑而不...
    開封第一講書人閱讀 56,736評論 1 284
  • 正文 為了忘掉前任能犯,我火速辦了婚禮鲫骗,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘踩晶。我一直安慰自己执泰,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,847評論 6 386
  • 文/花漫 我一把揭開白布渡蜻。 她就那樣靜靜地躺著术吝,像睡著了一般。 火紅的嫁衣襯著肌膚如雪茸苇。 梳的紋絲不亂的頭發(fā)上排苍,一...
    開封第一講書人閱讀 50,043評論 1 291
  • 那天,我揣著相機(jī)與錄音学密,去河邊找鬼淘衙。 笑死,一個(gè)胖子當(dāng)著我的面吹牛腻暮,可吹牛的內(nèi)容都是我干的彤守。 我是一名探鬼主播,決...
    沈念sama閱讀 39,129評論 3 410
  • 文/蒼蘭香墨 我猛地睜開眼哭靖,長吁一口氣:“原來是場噩夢啊……” “哼具垫!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起试幽,我...
    開封第一講書人閱讀 37,872評論 0 268
  • 序言:老撾萬榮一對情侶失蹤筝蚕,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后铺坞,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體起宽,經(jīng)...
    沈念sama閱讀 44,318評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,645評論 2 327
  • 正文 我和宋清朗相戀三年康震,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了燎含。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,777評論 1 341
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡腿短,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出绘梦,到底是詐尸還是另有隱情橘忱,我是刑警寧澤,帶...
    沈念sama閱讀 34,470評論 4 333
  • 正文 年R本政府宣布卸奉,位于F島的核電站钝诚,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏榄棵。R本人自食惡果不足惜凝颇,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 40,126評論 3 317
  • 文/蒙蒙 一潘拱、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧拧略,春花似錦芦岂、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,861評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至袱饭,卻和暖如春川无,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背虑乖。 一陣腳步聲響...
    開封第一講書人閱讀 32,095評論 1 267
  • 我被黑心中介騙來泰國打工懦趋, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人疹味。 一個(gè)月前我還...
    沈念sama閱讀 46,589評論 2 362
  • 正文 我出身青樓愕够,卻偏偏與公主長得像,于是被迫代替她去往敵國和親佛猛。 傳聞我的和親對象是個(gè)殘疾皇子惑芭,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,687評論 2 351

推薦閱讀更多精彩內(nèi)容

  • 把以前寫的爬蟲代碼整理成教程,方便以后查閱继找,可以爬點(diǎn)感興趣的東西玩一玩遂跟。 1.運(yùn)行環(huán)境及安裝: 1.運(yùn)行環(huán)境 默認(rèn)...
    阿健在長安閱讀 706評論 0 3
  • .nbsp{background:rgb(137,211,250);!important;}.gray{backg...
    小望_8790閱讀 137評論 0 0
  • ## **氣道異物取出術(shù)麻醉方案之二**# ----**丙泊酚-瑞芬太尼保留自主呼吸麻醉方案**![1](./i...
    e4ee6ec0deaf閱讀 216評論 0 0
  • 由WhaleEx發(fā)起并倡導(dǎo)、與世界各地EOS節(jié)點(diǎn)聯(lián)合舉辦的EOS全球行活動(dòng)·北京站于11月4日正式舉辦婴渡』盟活動(dòng)現(xiàn)場大...
    UniBank閱讀 383評論 0 0
  • wireShark工具使用--參考我今日頭條的文章 wireShark工具使用筆記 過濾域名例子 網(wǎng)絡(luò)知識補(bǔ)腦(強(qiáng)...
    牽手生活閱讀 1,045評論 0 3