简单的爬虫脚本编写

m0_748231312024-12-14 1:05

一、数据来源分析

想爬取一个网站的数据，我们首先要进行数据分析。通过浏览器F12开发者工具栏进行抓包，可以分析我们想要的数据来源。

通过关键字搜索，可以找到相对应的数据包

二、爬虫实现

需要用到的模块为：request，parsel

1.发送请求

模拟浏览器对于分析得到的URL地址发送请求，返回响应包

url = 'https://example.com'
#浏览器F12查看网络，请求头中可以查看User-Agent，目的是实现浏览器标识，请求合法化
headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:132.0) Gecko/20100101 Firefox/132.0'}
#使用request，将响应数据传入res变量
res = requests.get(url=url,headers=headers)

2.获取数据

获取响应的数据包

#创建Selector对象后，你可以使用它来提取网页中的特定数据。例如，你可以使用XPath或CSS选择器来查找元素：
selector = parsel.Selector(res.text)

3.解析数据

解析数据内容，获取我们想要的内容。

创建Selector对象后，你可以使用它来提取网页中的特定数据。可以使用XPath或CSS选择器来查找元素

trs = selector.css('CSS选择器')
        #遍历每一组数据
        for tr in trs:
                #获取每一行的第一个数据
                first = tr.css('td:nth-child(1)::text').get()
                #将每一个数据写插入列表
                example_list.append(first)

4.保存数据

将爬取下来的目标数据进行保存.

with open('example.txt','w',encoding=utf-8') as f:
        for item in example.list:
            f.write(str(item) + '
')

在使用with语句打开文件时，不需要显式调用f.close()来关闭文件。with语句会在代码块执行完毕后自动关闭文件。