Python下基于requests及BeautifulSoup构建网络爬虫

功能说明

在Python下面可使用requests模块请求某个url获取响应的html文件,接着使用BeautifulSoup解析某个html。

案例

假设我要http://maoyan.com/board/4猫眼电影的top100电影的相关信息,如下截图:
Python下基于requests及BeautifulSoup构建网络爬虫_第1张图片

获取电影的标题及url。

安装requests和BeautifulSoup

使用pip工具安装这两个工具。

pip install requests
pip install beautifulsoup4

运行结果如下:

Python下基于requests及BeautifulSoup构建网络爬虫_第2张图片
Python下基于requests及BeautifulSoup构建网络爬虫_第3张图片

程序

__author__ = 'Qian Yang'
# -*- coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup
def get_one_page(url):
    response= requests.get(url)
    if response.status_code == 200:
        return response.content.decode("utf8","ignore").encode("gbk","ignore")
#采用BeautifulSoup解析
def bs4_paraser(html):
    all_value = []
    value = {}
    soup = BeautifulSoup(html,'html.parser')
    # 获取每一个电影
    all_div_item = soup.find_all('div', attrs={'class': 'movie-item-info'})
    for r in all_div_item:
        # 获取电影的名称和url
        title = r.find_all(name="p",attrs={"class":"name"})[0].string
        movie_url = r.find_all('p', attrs={'class': 'name'})[0].a['href']
        value['title'] = title
        value['movie_url'] = movie_url
        all_value.append(value)
        value = {}
    return all_value

def main():
    url = 'http://maoyan.com/board/4'
    html = get_one_page(url)
    all_value = bs4_paraser(html)
    print(all_value)

if  __name__  == '__main__':
    main()

程序输出结果

这里写图片描述

你可能感兴趣的:(python,Python3开发)