小編給大家分享一下python爬取網(wǎng)頁的操作步驟，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

成都創(chuàng)新互聯(lián)專注于企業(yè)營銷型網(wǎng)站建設(shè)、網(wǎng)站重做改版、赫山網(wǎng)站定制設(shè)計(jì)、自適應(yīng)品牌網(wǎng)站建設(shè)、HTML5建站、商城網(wǎng)站制作、集團(tuán)公司官網(wǎng)建設(shè)、成都外貿(mào)網(wǎng)站建設(shè)、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁設(shè)計(jì)等建站業(yè)務(wù)，價(jià)格優(yōu)惠性價(jià)比高，為赫山等各大城市提供網(wǎng)站開發(fā)制作服務(wù)。

之前在網(wǎng)上也寫了不少關(guān)于爬蟲爬取網(wǎng)頁的代碼，最近還是想把寫的爬蟲記錄一下，方便大家使用吧！

代碼一共分為4部分：

第一部分：找一個(gè)網(wǎng)站。

我這里還是找了一個(gè)比較簡單的網(wǎng)站，就是大家都知道的https://movie.douban.com/top250?start=
大家可以登錄里面看一下。

這里大家可能會有一些庫沒有進(jìn)行安裝，先上圖讓大家安裝完爬取網(wǎng)頁所需要的庫，其中我本次用到的庫有：bs4，urllib，xlwt, re。

如圖

這里選擇file-setting-Project-然后選擇左下角的加號，自行去安裝自己所需要的文件就可以了。

下面的代碼是爬取網(wǎng)頁的源代碼：

import urllib.requestfrom bs4 import BeautifulSoupimport xlwtimport redef main():
    #   爬取網(wǎng)頁
    baseurl = 'https://movie.douban.com/top250?start='
    datalist = getData(baseurl)
    savepath = '豆瓣電影Top250.xls'
    #   保存數(shù)據(jù)
    saveData(datalist,savepath)
    # askURL("https://movie.douban.com/top250?start=1")#影片詳情的規(guī)則findLink = re.compile(r'')  #創(chuàng)建從正則表達(dá)式，表示規(guī)則findImgSrc = re.compile(r'(.*)')#影片的評分findReating = re.compile(r'(.*)')#找到評價(jià)人數(shù)findJudge = re.compile(r'(\d*)人評價(jià)')#找到概況findInq = re.compile(r'(.*)')#找到影片的相關(guān)內(nèi)容findBb = re.compile(r'(.*?)
', re.S)#re.S忽視換行符

第二部分：爬取網(wǎng)頁。

def getData(baseurl):
    datalist = []
    for i in range(0, 10):
        url = baseurl + str(i*25)
        html = askURL(url)    #保存獲取到的網(wǎng)頁源碼

        #對網(wǎng)頁進(jìn)行解析
        soup = BeautifulSoup(html, 'html.parser')
        for item in soup.find_all('p', class_="item"):  #查找符合要求的字符串 形成列表
            #print(item)  #測試查看電影信息
            data = []
            item = str(item)
            link = re.findall(findLink, item)[0]  #re庫用來查找指定的字符串
            data.append(link)
            imgSrc = re.findall(findImgSrc, item)[0]
            data.append(imgSrc) #添加圖片
            titles = re.findall(finTitle, item)         #
            if (len(titles) == 2):
                ctitle = titles[0]      #添加中文名
                data.append(ctitle)
                otitle = titles[1].replace("/", "")   #replace("/", "")去掉無關(guān)的符號
                data.append(otitle)     #添加英文名
            else:
                data.append(titles[0])
                data.append(' ')#外國名字留空
            rating = re.findall(findReating, item)[0] #添加評分
            data.append(rating)

            judgeNum = re.findall(findJudge,item) #評價(jià)人數(shù)
            data.append(judgeNum)
            inq = re.findall(findInq, item)  #添加概述
            if len(inq) != 0:
                inq = inq[0].replace(".", "")  #去掉句號
                data.append(inq)
            else:
                data.append(" ")    #留空
            bd = re.findall(findBb,item)[0]
            bd = re.sub('(\s+)?',' ', bd)  #去掉br  后面這個(gè)bd表示對bd進(jìn)行操作
            bd = re.sub('/', ' ', bd)   #替換/
            data.append(bd.strip())  #去掉前后的空格strip()
            datalist.append(data)   #把處理好的一部電影放入datalist當(dāng)中

    return datalist

第三部分：得到一個(gè)指定的url信息。

#得到指定的一個(gè)url網(wǎng)頁信息def askURL(url):
    head = {
        "User-Agent": "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Mobile Safari/537.36"}
    request = urllib.request.Request(url,headers=head)    #  get請求不需要其他的的，而post請求需要 一個(gè)method方法
    html = ""
    try:
        response = urllib.request.urlopen(request)
        html = response.read().decode('utf-8')
        # print(html)
    except Exception as e:
        if hasattr(e,'code'):
            print(e.code)
        if hasattr(e,'reason'):
            print(e.reason)
    return  html

第四部分：保存數(shù)據(jù)

#    3:保存數(shù)據(jù)def saveData(datalist,savepath):

    book = xlwt.Workbook(encoding="utf-8", style_compression=0)
    sheet = book.add_sheet('豆瓣電影Top250', cell_overwrite_ok=True)
    col = ('電影詳情鏈接', '圖片鏈接', '影片中文名', '影片外國名', '評分', '評價(jià)數(shù)', '概況', '相關(guān)信息')
    for i in range(0,8):
        sheet.write(0,i,col[i])  #列名
    for i in range(0,250):
        print("第%d條"%i)
        data = datalist[i]
        for j in range(0,8):
            sheet.write(i+1,j,data[j])
    book.save(savepath) #保存

這里大家看一下代碼，關(guān)于代碼的標(biāo)注我寫的還是挺清楚的。

其中關(guān)于學(xué)習(xí)這個(gè)爬蟲，還需要學(xué)習(xí)一些基本的正則表達(dá)式，當(dāng)然python基本的語法是不可少的希望對大家有幫助吧。

以上是“python爬取網(wǎng)頁的操作步驟”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道！

分享標(biāo)題：python爬取網(wǎng)頁的操作步驟-創(chuàng)新互聯(lián)
本文鏈接：http://weahome.cn/article/docdio.html