python爬虫教程（2）-编写你的第一个爬虫

欢迎来到python爬虫大讲堂，现在开始你的爬虫旅程吧！

开始你的爬虫

我将以爬取我的博客页面为例，为大家解析爬虫基础知识，首先我们要安装requests库：

1. 打开cmd窗口
2. 输入pip install requests

首先我们要使用requests库获取页面：

import requests
link='https://blog.csdn.net/weixin_42183408'
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}
r=requests.get(link,headers=headers)
print(r.text)

上面的代码获取了博客网页的源代码，首先import requests，再用requests.get(link,headers=headers)获取网页，有几个地方需要注意：

• 用user-agent伪装成浏览器访问
• r.text是网页源代码

关于headers我们之后会介绍

运行完代码后，你会看到所有的网页代码，像这样：

提取数据

接下来你需要安装bs4库：

• 打开cmd窗口
• 输入pip install bs4

代码如下：

import requests
from bs4 import BeautifulSoup
link='https://blog.csdn.net/weixin_42183408'
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}
r=requests.get(link,headers=headers)

soup=BeautifulSoup(r.text,'lxml')
date=soup.find('span',class_='date').text.strip()
print(date)

你会得到类似于这样的结果：2019-02-14 16:56:10，当然你可能会和我的不一样，这里获取了我的博客发布日期，那么我们来看看程序：

这里我们用了BeautifulSoup库对网页进行解析，首先导入库，再把网页代码解析成beautifulsoup形式，接下来用soup.find('span',class_='date').text.strip()找到我们需要的日期

那在那么长的代码中怎么找到标题的位置呢？

于是，Chrome的检查功能隆重登场：

步骤1：

用你的Chrome浏览器打开https://blog.csdn.net/weixin_42183408，右击页面，在弹出的菜单中点击‘检查’：

步骤2

单击elements旁边的鼠标按钮（左上角），选中你想要查看的元素，就会自动定位到该元素的位置了：

步骤3

我们发现这里的代码是：2019-02-12 19:29:08，因此我们可以用soup.find('span',class_='date').text.strip()来找到日期，关于BeautifulSoup后面会进行详细解析

存储数据

import requests
from bs4 import BeautifulSoup
link='https://blog.csdn.net/weixin_42183408'
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}
r=requests.get(link,headers=headers)

soup=BeautifulSoup(r.text,'lxml')
date=soup.find('span',class_='date').text.strip()

with open('date.txt','a+') as t:
    t.write(date)
    t.close()

存储到txt非常简单，详细过程可以参见我的这篇文章：
Python入门知识（8）-open()函数

接下来我们打开date.txt文件进行查看，发现日期已经写进去了：

学完第一个爬虫例子后，是不是感觉不难呢？当然，我建议大家自己手写代码，而不是直接复制黏贴，只有自己写代码才能发现自己的缺点，加以改进，代码也能真正被记到心中，久而久之，熟能生巧。

下次我们将开始讲解我们用到的requests库来获取网页，下次见！