Python基于requests库爬取网站信息 Python基于requests库爬取网站信息

requests库是一个简介且简单的处理HTTP请求的第三方库
get()是获取网页最常用的方式，其基本使用方式如下
使用requests库获取HTML页面并将其转换成字符串后，需要进一步解析HTML页面格式，这里我们常用的就是beautifulsoup4库，用于解析和处理HTML和XML
下面这段代码便是爬取百度的信息并简单输出百度的界面信息

import requestsfrom bs4 import BeautifulSoupr=requests.get('http://www.baidu.com')r.encoding=Noneresult=r.textbs=BeautifulSoup(result,'html.parser')print(bs.title)print(bs.title.text)

import requestsfrom bs4 import BeautifulSoup#用来解决乱码现象，所以编写爬取信息的代码最好带上（输出出现乱码或者UnicodeEncodeError：'gbk'codec can't encode character） import ioimport syssys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='gb18030')#用来防止反爬取，可以了解一下headers={"User-Agent" : "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.1.6)","Accept" : "text/html,application/xhtml+xml,application/xml; q=0.9,*/*; q=0.8","Accept-Language" : "en-us","Connection" : "keep-alive","Accept-Charset" : "GB2312,utf-8; q=0.7,*; q=0.7"}#获取51job网站的基本信息r=requests.get('https://search.51job.com/list/000000,000000,0000,00,9,99,python,2,1.html?lang=c&stype=&postchannel=0000&workyear=99&cotype=99°reefrom=99&jobterm=99&companysize=99&providesalary=99&lonlat=0%2C0&radius=-1&ord_field=0&confirmdate=9&fromType=&dibiaoid=0&address=&line=&specialarea=00&from=&welfare=')r.encoding=r.apparent_encodingresult=r.textbs=BeautifulSoup(result,'html.parser')print(bs.prettify())u1=bs.find_all('u1',attrs={'class':'item_con_list'})#这部分代码便是我们爬取的目标，51job网站上关于python职业的薪资print(len(u1))li=bs.find_all('span',attrs={'class':'t4'})for l in li:print(l.text)

上面这段代码便是爬取51job网站上的与python相关职业的薪资