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
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