爬虫感悟1

import requests
from bs4 import BeautifulSoup

def getHTMLText(url):
    r = requests.get(url)
    r.raise_for_status()
    r.encoding = r.apparent_encoding
    return r.text

def getUnivList(HTML):
    soup = BeautifulSoup(HTML,'html.parser')
    for i in soup.find_all('span'):
        print (i.get_text(strip=True))


def main():
  url = 'https://www.qiushibaike.com/hot/page/2/'
  HTML = getHTMLText(url)
  getUnivList(HTML)

main()

这个小爬虫用到了requests和bs4库

r.raise_for_status()用于检验是否成功的获得了页面内容
r.encoding 是requests库读取页面内容开头得出的编码,r.apparent_encoding是读取全文的编码

get_text()得出下的所用文本内容
strip=True 用于去点开头和结尾的空格

你可能感兴趣的:(爬虫)