python爬虫实践——零基础快速入门(一)

一、环境配置

1.下载安装python3

为什么使用pyhton3,理由如下:

  • python2以上只维护到2020年,我猜,感觉快要过气了。
  • 没有恶心的编码问题,并且更多工具选择pyhton3,新的工具才是生产力。
  • 本文都用python3来写。如果你是pyhton2,尝试一下pyhton3,相信你会有不一样的体验。

python爬虫实践——零基础快速入门(一)_第1张图片

注意选择适合自己电脑的版本。

2.安装requests和lxml。

为啥用pip,因为我们在安装python3的时候,选择了同时安装pip等一系列的包,不想pyhton2,还要一个一个去安装。

  • pip install requests
  • pip install lxml

python爬虫实践——零基础快速入门(一)_第2张图片

由于我这里已经安装过了,所以显示已经有了。安装的时候请耐心等待哦。

3.安装eclipse或者其他你喜欢的编辑器。

如果不太熟的可以看一下我另一篇python+Eclipse+pydev环境搭建

如果有人恰好跟我一样使用eclipse,那注意配置一下python路径。

windows——>preferences——>General——>Pydev——>Pyhton Interpreter

python爬虫实践——零基础快速入门(一)_第3张图片

这里首选python3.6哦。

二、轻松爬取百度网页。

#-*- coding:utf-8 -*-
import requests
url = 'https://www.baidu.com/'
data = requests.get(url)
data.encoding='utf-8'
print(data.text)

输出结果:



<html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge><meta content=always name=referrer><link rel=stylesheet type=text/css href=https://ss1.bdstatic.com/5eN1bjq8AAUYm2zgoY3K/r/www/cache/bdorz/baidu.min.css><title>百度一下,你就知道title>head> <body link=#0000cc> <div id=wrapper> <div id=head> <div class=head_wrapper> <div class=s_form> <div class=s_form_wrapper> <div id=lg> <img hidefocus=true src=//www.baidu.com/img/bd_logo1.png width=270 height=129> div> <form id=form name=f action=//www.baidu.com/s class=fm> <input type=hidden name=bdorz_come value=1> <input type=hidden name=ie value=utf-8> <input type=hidden name=f value=8> <input type=hidden name=rsv_bp value=1> <input type=hidden name=rsv_idx value=1> <input type=hidden name=tn value=baidu><span class="bg s_ipt_wr"><input id=kw name=wd class=s_ipt value maxlength=255 autocomplete=off autofocus=autofocus>span><span class="bg s_btn_wr"><input type=submit id=su value=百度一下 class="bg s_btn" autofocus>span> form> div> div> <div id=u1> <a href=http://news.baidu.com name=tj_trnews class=mnav>新闻a> <a href=https://www.hao123.com name=tj_trhao123 class=mnav>hao123a> <a href=http://map.baidu.com name=tj_trmap class=mnav>地图a> <a href=http://v.baidu.com name=tj_trvideo class=mnav>视频a> <a href=http://tieba.baidu.com name=tj_trtieba class=mnav>贴吧a> <noscript> <a href=http://www.baidu.com/bdorz/login.gif?login&amp;tpl=mn&u=http%3A%2F%2Fwww.baidu.com%2f%3fbdorz_come%3d1 name=tj_login class=lb>登录a> noscript> <script>document.write('encodeURIComponent(window.location.href+ (window.location.search === "" ? "?" : "&")+ "bdorz_come=1")+ '" name="tj_login" class="lb">登录');

                script> <a href=//www.baidu.com/more/ name=tj_briicon class=bri style="display: block;">更多产品a> div> div> div> <div id=ftCon> <div id=ftConw> <p id=lh> <a href=http://home.baidu.com>关于百度a> <a href=http://ir.baidu.com>About Baidua> p> <p id=cp>©2017 Baidu <a href=http://www.baidu.com/duty/>使用百度前必读a<a href=http://jianyi.baidu.com/ class=cp-feedback>意见反馈a> 京ICP证030173号  <img src=//www.baidu.com/img/gs.gif> p> div> div> div> body> html>


四行代码,我们就可以把百度首页的内容爬取下来:

1.导入requests库
2.下载百度首页内容
3.更改编码方式
4.打印内容

下一节,爬取豆瓣电影详情信息requests+xpath
链接http://blog.csdn.net/MTbaby/article/details/79165890

你可能感兴趣的:(爬虫实战)