Python爬蟲是一種自動化抓取網站數據的程序,它可以通過網絡獲取數據并進行處理,是大數據分析、人工智能、機器學習等領域必不可少的工具。
其中,爬取豆瓣數據是很多Python爬蟲初學者的練手項目之一。下面,我們來看一下如何使用Python編寫簡單的豆瓣爬蟲程序。
import requests
from bs4 import BeautifulSoup
url = 'https://book.douban.com/top250'
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
res = requests.get(url, headers=headers)
soup = BeautifulSoup(res.text, 'html.parser')
books = []
for book in soup.select('.indent >table'):
book_name = book.select('a')[1]['title']
book_info = book.select('.pub')[0].text
books.append({'book_name': book_name, 'book_info': book_info})
for book in books:
print(book['book_name'], book['book_info'])
以上是一個簡單的爬取豆瓣書籍信息的程序。其中,我們使用了requests庫發起HTTP請求,并使用BeautifulSoup庫解析HTML文檔。通過CSS選擇器定位到需要的書籍信息,并將其存入一個列表中。
以上只是爬蟲的基本操作,未完全涵蓋特殊情況,如不當使用爬蟲程序可能涉及法律問題,需謹慎使用。
上一篇c 把json字符串數組
下一篇python 爬網頁圖片