如何用Python爬虫抓取名人名言网站

  1. 首页
  2. python编程

如何用Python爬虫抓取名人名言网站

• • python编程

wxsync-2022-02-6bc30f45a4e37912f83e99a0222bcdd7

今天我们来讲Python爬虫抓取名人名言网站

1、输入网址

 

quotes.toscrape.com/，进入网站首页，观察网页的结构,我们发现网页的内容很清晰，主要分为：名人名言，作者，标签三个主要字段，同时三个字段的内容为本次提取的内容。

2、确定需求，分析网页结构

 

打开开发者工具，点击networ进行网络数据抓包分析，网站是以get方式进行请求，不需要携带参数，那我们就可以以request请求库中的get()方法，进行模拟请求，需要带上headers请求，模拟浏览器信息验证，防止被网站服务器检测为爬虫请求。

 

也可以点击开发者工具的最左边小箭头，可以帮助我们快速定位，网页数据在element标签页所在的位置。

 

3、解析网页结构，提取数据。

 

请求成功之后，可以开始提取数据啦~，我用的是xpath的解析方法，所以，先来解析xpath页面，点击最左边小箭头，可以帮助我们快速定位数据所，网页数据在element标签页所在的位置.因为网页的请求方式数据以列表的方式逐条排序，所以我们可以先定位整个列表的数据。在通过lxm中html解析器，逐个字段抓取并保存至列表，方便下一步的数据清洗。

 

4、保存至csv文件

源码分享

import requestsfrom lxml import etreeimport csv
url = "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).text
html = 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()")    # 名言标签    tags = queto.xpath("./div[@class="quote"]/div[@class="tags"]/a[@class="tag"]/text()")    # 将数据统一添加进列表中保存    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爬虫抓取名人名言网站的方法，希望对大家有所帮助。

  • 本文标签：无
上一篇 1分钟前
下一篇 1分钟前