这篇文章主要介绍了使用python写爬虫的方法，具有一定借鉴价值，需要的朋友可以参考下。希望大家阅读完这篇文章后大有收获。下面让小编带着大家一起了解一下。

用python写爬虫的流程和思路如下，有需要的小伙伴可以借鉴..

1. 整体思路流程

通过URL获取说要爬取的页面的响应信息（Requests库的使用）

通过python中的解析库来对response进行结构化解析（BeautifulSoup库的使用）

通过对解析库的使用和对所需要的信息的定位从response中获取需要的数据（selecter和xpath的使用）

将数据组织成一定的格式进行保存（MongoDB的使用）

通过对数据库中的数据进行筛选和组织，进行数据可视化的初步展示（HighCharts库的使用）

2. 简单代码演示

准备工作

下载并安装所需要的python库，包括：

requests库：用于向指定url发起请求

BeautifulSoup库：用于解析返回的网页信息

lxml库：用于解析网页返回结果

pymongo库：用于实现python对MongoDB的操作

3. 对所需要的网页进行请求并解析返回的数据

对于想要做一个简单的爬虫而言，这一步其实很简单，主要是通过requests库来进行请求，然后对返回的数据进行一个解析，解析之后通过对于元素的定位和选择来获取所需要的数据元素，进而获取到数据的一个过程。（更多学习内容，请点击python学习网。）

一个简单的网络爬虫示例

importrequestsfrombs4importBeautifulSoup#58同城的二手市场主页面start_url='http://bj.58.com/sale.shtml'url_host='http://bj.58.com'#定义一个爬虫函数来获取二手市场页面中的全部大类页面的连接defget_channel_urls(url):#使用Requests库来进行一次请求web_data=requests.get(url)#使用BeautifulSoup对获取到的页面进行解析soup=BeautifulSoup(web_data.text,'lxml')#根据页面内的定位信息获取到全部大类所对应的连接urls=soup.select('ul.ym-submnu>li>b>a')#作这两行处理是因为有的标签有链接，但是却是空内容forlinkinurls:iflink.text.isspace():continueelse:page_url=url_host+link.get('href')print(page_url)


感谢你能够认真阅读完这篇文章，希望小编分享使用python写爬虫的方法内容对大家有帮助，同时也希望大家多多支持亿速云，关注亿速云行业资讯频道，遇到问题就找亿速云，详细的解决方法等着你来学习!