Python爬蟲抓取名人名言網(wǎng)站
1、輸入網(wǎng)址
quotes.toscrape.com/，進(jìn)入網(wǎng)站首頁，觀察網(wǎng)頁的結(jié)構(gòu),我們發(fā)現(xiàn)網(wǎng)頁的內(nèi)容很清晰，
主要分為：名人名言，作者，標(biāo)簽三個主要字段，同時三個字段的內(nèi)容為本次提取的內(nèi)容。
2、確定需求，分析網(wǎng)頁結(jié)構(gòu)
打開開發(fā)者工具，點(diǎn)擊networ進(jìn)行網(wǎng)絡(luò)數(shù)據(jù)抓包分析，網(wǎng)站是以get方式進(jìn)行請求，不需要攜帶參數(shù)，那我們就可以以request請求庫中的get()方法，進(jìn)行模擬請求，需要帶上headers請求，模擬瀏覽器信息驗證，防止被網(wǎng)站服務(wù)器檢測為爬蟲請求。
?
也可以點(diǎn)擊開發(fā)者工具的最左邊小箭頭，可以幫助我們快速定位，網(wǎng)頁數(shù)據(jù)在element標(biāo)簽頁所在的位置。
?
3、解析網(wǎng)頁結(jié)構(gòu)，提取數(shù)據(jù)。
請求成功之后，可以開始提取數(shù)據(jù)啦~，我用的是xpath的解析方法，所以，先來解析xpath頁面，點(diǎn)擊最左邊小箭頭，可以幫助我們快速定位數(shù)據(jù)所，網(wǎng)頁數(shù)據(jù)在element標(biāo)簽頁所在的位置.因為網(wǎng)頁的請求方式數(shù)據(jù)以列表的方式逐條排序，所以我們可以先定位整個列表的數(shù)據(jù)。在通過lxm中html解析器，逐個字段抓取并保存至列表，方便下一步的數(shù)據(jù)清洗。
?
4、保存至csv文件
源碼分享
import requestsfrom lxml import etreeimport csvurl = "https://quotes.toscrape.com/"headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'}res = requests.get(url,headers = headers).texthtml = etree.HTML(res)queto_list = html.xpath('//div[@class="col-md-8"]')lists = []for queto in queto_list:# 名言正文title = queto.xpath('./div[@class="quote"]/span[1]/text()')# 作者authuor = queto.xpath('./div[@class="quote"]/span[2]/small/text()')# 名言標(biāo)簽tags = queto.xpath('./div[@class="quote"]/div[@class="tags"]/a[@class="tag"]/text()')# 將數(shù)據(jù)統(tǒng)一添加進(jìn)列表中保存lists.append(title)lists.append(authuor)lists.append(tags)with open("./名人名言.csv",'w',encoding='utf-8',newline='\n') as f:writer = csv.writer(f)for i in lists:writer.writerow(x)
以上就是Python爬蟲抓取名人名言網(wǎng)站的方法，希望對大家有所幫助。
文章轉(zhuǎn)載：Python編程學(xué)習(xí)圈
（版權(quán)歸原作者所有，侵刪）
點(diǎn)擊下方“閱讀原文”查看更多