Python爬虫第三课(提取数据)

Posted break03

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Python爬虫第三课(提取数据)相关的知识,希望对你有一定的参考价值。

提取html数据

import requests
from bs4 import BeautifulSoup

url = ‘https://www.douban.com/‘
header = 
‘Accept‘:‘*/*‘,
‘Accept-Encoding‘:‘gzip,deflate,br‘,
‘Accept-Language‘:‘zh-CN‘,
‘Connection‘:‘keep-alive‘,
‘Host‘:‘www.douban.com/‘,
‘Referer‘:‘https://www.douban.com/‘,
‘User-Agent‘:‘……‘
resp = requests.get(url, headers=header)

print(resp)

soup = BeautifulSoup(resp.text,‘lxml‘)
content = soup.select(‘#anony-time > div > div.main > ul > li:nth-child(5) > a.title‘)

print(content)

 在我爬取链家,携程网站时候遇到问题,明明response 200,但select返回是空值。 目前猜测原因是:存放我想获取数据的网址不是在一开始写入的网址,我resp.text没有看见相关数据。这个以后学习如何处理。

 

提取Json数据

暂时不会,大致看了下,像字典存储

import json
data = ‘"name":"gy","age":"100","weight":"200"‘
resp = json.loads(data) #将str型的data通过json.loads转为字典
print(resp[‘name‘])

  

以上是关于Python爬虫第三课(提取数据)的主要内容,如果未能解决你的问题,请参考以下文章

python 爬虫学习第三课

Python爬虫第三课 网页爬取

手把手教你写电商爬虫-第三课 实战尚妆网AJAX请求处理和内容提取

手把手教你写电商爬虫-第三课 实战尚妆网AJAX请求处理和内容提取

Scrapy学习第三课

003 Python网络爬虫与信息提取 网络爬虫的'盗亦有道'