爬取百度产品列表
Posted 二笙
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了爬取百度产品列表相关的知识，希望对你有一定的参考价值。
import requests from bs4 import BeautifulSoup url = \'https://www.baidu.com/more/\' response = requests.get(url) response.encoding = \'utf-8\' # 解析html soup = BeautifulSoup(response.text, \'lxml\') res = soup.find_all(\'div\', class_=\'con\') datas = [] for info in res:
#find_next_siblings()方法返回所有符合条件的后面的兄弟节点 title = info.find(\'div\').find_next_sibling(\'div\').find(\'a\').get_text() desc = info.find(\'div\').find_next_sibling(\'div\').find(\'span\').get_text() datas.append({ \'title\': title, \'desc\': desc }) with open(\'more.txt\', \'w\', encoding=\'utf-8\') as f: for data in datas: f.write(str(data)) print(\'done\')
分析：
1.直接使用python模拟请求---->成功
2、发现返回来的结果是乱码
解决方案：
response.encoding = \'utf-8\' # 原本编码是iso-8859-1
3.解析html
此次采用BeautifulSoup进行解析
按CSS搜索
按照CSS类名搜索tag的功能非常实用,但标识CSS类名的关键字 class 在Python中是保留字,使用 class 做参数会导致语法错误.从Beautiful Soup的4.1.1版本开始,可以通过 class_ 参数搜索有指定CSS类名的tag:
soup = BeautifulSoup(response.text, \'lxml\')
res = soup.find_all(\'div\', class_=\'con\')
find_all() 方法将返回文档中符合条件的所有tag,尽管有时候我们只想得到一个结果.比如文档中只有一个<body>标签,那么使用 find_all() 方法来查找<body>标签就不太合适, 使用 find_all 方法并设置 limit=1 参数不如直接使用 find() 方法.下面两行代码是等价的:
soup.find_all(\'title\', limit=1) # [<title>The Dormouse\'s story</title>] soup.find(\'title\') # <title>The Dormouse\'s story</title>
唯一的区别是 find_all() 方法的返回结果是值包含一个元素的列表,而 find() 方法直接返回结果.
爬取结果：
一个遗留的坑：百度产品列表的图片没有爬取下来
原因：图片在css中的background中，还不会.....
以上是关于爬取百度产品列表的主要内容，如果未能解决你的问题，请参考以下文章