栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

《Python开发简单爬虫》实践笔记

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

《Python开发简单爬虫》实践笔记

非常 疯狂的蚂蚁crazyant这位老师的讲解,根据老师的讲解,初步弄懂了爬虫的基本结构和各部分的具体功能,以及分析目标的思路和方法,这个太重要,再次感谢老师,跟老师的视频我敲代码实现了这个人生中第一个Python爬虫,确实非常有意思,再次感谢老师,
根据自己的测试,有3个地方需要调整整之后才可以顺利执行
1、词条页面URL: /item/%E8%AE
原先是/view/41122.htm这种格式,但是百度百度百科已经升级了,原先的无法使用,对应的代码修改为:
links = soup.find_all('a',href=re.compile(r'/item/.*'))

2、获取title的方式有调整
res_data['title'] = title_node.find('h1').get_text()
这样就得到的数据是干净的标题,否则抓取到的数据后面会有“编辑”“收藏”这俩词

3、输出时不需要转utf-8编码
HtmlOutputer类的output_html()方法里面,输出html文件时增加
fout.write("n")

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/225644.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号