Python如何使用BeautifulSoup爬取網頁資訊
阿新 • • 發佈:2020-01-09
這篇文章主要介紹了Python如何使用BeautifulSoup爬取網頁資訊,文中通過示例程式碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
簡單爬取網頁資訊的思路一般是
1、檢視網頁原始碼
2、抓取網頁資訊
3、解析網頁內容
4、儲存到檔案
現在使用BeautifulSoup解析庫來爬取刺蝟實習Python崗位薪資情況
一、檢視網頁原始碼
這部分是我們需要的內容,對應的原始碼為:
分析原始碼,可以得知:
1、崗位資訊列表在<section class="widget-job-list">中
2、每條資訊在<article class="widget item">中
3、對於每條資訊,我們需要提取出的內容是 公司名稱,職位, 薪資
二、抓取網頁資訊
使用request.get()抓取,返回的soup是網頁的文字資訊
def get_one_page(url): response = requests.get(url) soup = BeautifulSoup(response.text,"html.parser") return soup
三、解析網頁內容
1、找到起始位置<section>
2、在<article>中匹配到各項資訊
3、返回資訊列表用以儲存
def parse_page(soup): #待儲存的資訊列表 return_list = [] #起始位置 grid = soup.find('section',attrs={"class": "widget-job-list"}) if grid: #找到所有的崗位列表 job_list = soup.find_all('article',attrs={"class": "widget item"}) #匹配各項內容 for job in job_list: #find()是尋找第一個符合的標籤 company = job.find('a',attrs={"class": "crop"}).get_text().strip()#返回型別為string,用strip()可以去除空白符,換行符 title = job.find('code').get_text() salary = job.find('span',attrs={"class": "color-3"}).get_text() #將資訊存到列表中並返回 return_list.append(company + " " + title + " " + salary) return return_list
四、儲存到檔案
將列表資訊儲存到shixi.csv檔案中
def write_to_file(content): #以追加的方式開啟,設定編碼格式防止亂碼 with open("shixi.csv","a",encoding="gb18030")as f: f.write("\n".join(content))
五、爬取多頁資訊
在網頁url中 可以看到最後的page代表的是頁數資訊
所以在main方法中傳入一個page,然後迴圈執行main(page)就可以爬取多頁資訊了
def main(page): url = 'https://www.ciweishixi.com/search?key=python&page=' + str(page) soup = get_one_page(url) return_list = parse_page(soup) write_to_file(return_list) if __name__ == "__main__": for i in range(4): main(i)
六、執行結果
七、完整程式碼
import requests import re from bs4 import BeautifulSoup def get_one_page(url): response = requests.get(url) soup = BeautifulSoup(response.text,"html.parser") return soup def parse_page(soup): #待儲存的資訊列表 return_list = [] #起始位置 grid = soup.find('section',attrs={"class": "color-3"}).get_text() #將資訊存到列表中並返回 return_list.append(company + " " + title + " " + salary) return return_list def write_to_file(content): #以追加的方式開啟,設定編碼格式防止亂碼 with open("shixi.csv",encoding="gb18030")as f: f.write("\n".join(content)) def main(page): url = 'https://www.ciweishixi.com/search?key=python&page=' + str(page) soup = get_one_page(url) return_list = parse_page(soup) write_to_file(return_list) if __name__ == "__main__": for i in range(4): main(i)
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。