理解爬虫原理

Posted 2021-11-10 tuyt124

1. 简单说明爬虫原理

2. 理解爬虫开发过程

1).简要说明浏览器工作原理；

 

2).使用 requests 库抓取网站数据；

 

requests.get(url) 获取校园新闻首页html代码

 

 

3).了解网页

写一个简单的html文件，包含多个标签，类，id

4).使用 Beautiful Soup 解析网页；

通过BeautifulSoup(html_sample,‘html.parser‘)把上述html文件解析成DOM Tree

select（选择器）定位数据

找出含有特定标签的html元素

找出含有特定类名的html元素

找出含有特定id名的html元素

 

3.提取一篇校园新闻的标题、发布时间、发布单位

url = ‘http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0320/11029.html‘

 

得到结果：