最新文章专题视频专题问答1问答10问答100问答1000问答2000关键字专题1关键字专题50关键字专题500关键字专题1500TAG最新视频文章推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37视频文章20视频文章30视频文章40视频文章50视频文章60 视频文章70视频文章80视频文章90视频文章100视频文章120视频文章140 视频2关键字专题关键字专题tag2tag3文章专题文章专题2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章专题3
当前位置: 首页 - 科技 - 知识百科 - 正文

Python之爬取其他网页

来源:动视网 责编:小OO 时间:2020-11-27 14:22:32
文档

Python之爬取其他网页

本文主要为大家分享一篇Python之爬取其他网页的请求方法,具有很好的参考价值,希望对有所帮助。一起跟随小编过来看看吧,希望能帮助到大家。简单的说就是寻找网页中的超链接‘href’,之后将相对网址转变为绝对网址,在用for循环访问他。
推荐度:
导读本文主要为大家分享一篇Python之爬取其他网页的请求方法,具有很好的参考价值,希望对有所帮助。一起跟随小编过来看看吧,希望能帮助到大家。简单的说就是寻找网页中的超链接‘href’,之后将相对网址转变为绝对网址,在用for循环访问他。


本文主要为大家分享一篇Python之爬取其他网页的请求方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧,希望能帮助到大家。

简单的说就是寻找网页中的超链接‘href’,之后将相对网址转变为绝对网址,在用for循环访问他

import requestsfrom bs4 import BeautifulSoup#将字符串转换为Python对象import pandas as pd
url = 'http://www.runoob.com/html/html-tutorial.html'r= requests.get(url)
html=r.text.encode(r.encoding).decode()
soup =BeautifulSoup(html,'lxml')#html放到beatifulsoup对象中l=[x.text for x in soup.findAll('h2')]#提取次标题中所有的文字df = pd.DataFrame(l,columns =[url])#将l变为DataFrame文件,列名为URLx=soup.findAll('a')[1]#查看第二个元素x.has_attr('href')#判断是都有href字符x.attrs['href']#获得超链接 attrs函数返回字典links = [i for i in soup.findAll('a')if i.has_attr('href')and i.attrs['href'][0:5]== '/html']#用if来做一个筛选relative_urls= set([i.attrs['href'] for i in links])
absolute_urls={'http://www.runoob.com'+i for i in relative_urls}
absolute_urls.discard(url)#删除当前所在的urlfor i in absolute_urls:
 ri= requests.get(i)
 soupi =BeautifulSoup(ri.text.encode(ri.encoding),'lxml')
 li=[x.text for x in soupi.findAll('h2')]
 dfi = pd.DataFrame(l,columns =[i])
 df = df.join(dfi,how='outer')
df

相关推荐:

python爬取淘宝商品信息

文档

Python之爬取其他网页

本文主要为大家分享一篇Python之爬取其他网页的请求方法,具有很好的参考价值,希望对有所帮助。一起跟随小编过来看看吧,希望能帮助到大家。简单的说就是寻找网页中的超链接‘href’,之后将相对网址转变为绝对网址,在用for循环访问他。
推荐度:
标签: 网站 页面 网页
  • 热门焦点

最新推荐

猜你喜欢

热门推荐

专题
Top