python 爬取简单的百度搜索结果

在学长的指导下自学了requests包，lxml包和selenium包。按要求写出了一个简单的爬虫

爬取百度搜索结果

主要还要借助xpath helper谷歌浏览器的插件来操作更容易找到需要查找信息的xpath位置

还要首先了解一下百度搜索请求的参数 lm默认为0，天数限制，但是好像只有1有用。

默认每页10条信息，rn

pn是页码

from lxml import etree
import re
import requests
import string
import json
headers = {
    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36"
}
response = requests.get('https://www.baidu.com/s?wd=腾讯视频优惠&lm=1',headers=headers)
r = response.text
html = etree.HTML(r,etree.HTMLParser())
r1 = html.xpath('//h3')
r2 = html.xpath('//*[@class="c-abstract"]')
r3 = html.xpath('//a[@class="c-showurl"]')
for i in range(10) :
    r11 = r1[i].xpath('string(.)')
    r22 = r2[i].xpath('string(.)')
    r33 = r3[i].xpath('string(.)')
    # with open('test.txt', 'a', encoding='utf-8') as f:
    #     f.write(json.dumps(r11,ensure_ascii=False) + '\n')
    #     f.write(json.dumps(r22, ensure_ascii=False) + '\n')
    #     f.write(json.dumps(r33, ensure_ascii=False) + '\n')
    print(r11,end='\n')
    print(r22,end='\n')
    print(r33)
    print()

URL如上的话，只能爬出一点URL，不是完整的URL，要改动一下

//a[@class="c-showurl"]后面加上/@href

下面的xpath.('string(.)')就不需要了

只是爬取了搜索的信息标题，信息描述和信息源地址

用xpath获取指定标签下的所有text

原博地址https://blog.csdn.net/legendary_Dragon/article/details/81412096

爬取结果如下