某知名IT公司资深程序员关于Python爬虫的心得与…

2018-08-10 11:27:41来源:博客园 阅读 ()

新老客户大回馈,云服务器低至5折

某知名IT公司资深程序员关于Python爬虫的心得与总结

 

现在学习Python的小伙伴中,起码有一半以上的在学习爬虫。

你问为什么会有这么多人学习爬虫?

因为爬虫很简单呀,而且效果非常的明显,爬取网站小姐姐的照片,说批量下载就批量下载,好不含糊!是不是效果非常的明显?!

为什么说它简单呢,因为爬取同一个网站,可以用四种方法实现,一般掌握一种就能那网站数据爬取下来,但是他有四种方法,那不是我想用什么姿势就用什么姿势?!

某知名IT公司资深程序员关于Python爬虫的心得与总结

 

一、工欲善其事必先利其器

1. F12:快捷键,(更多工具——开发者工具)。可以直接查看当前页面的html结构。有一点要注意,当前页面的html结构可能是Js动态生成的。比如淘宝网页的Josn数据源,但在开发者工具下是HTML结构。这个时候使用鼠标右键——查看源代码,可以看到json数据。

2.element选择键,F12后,下图中标示的方框内选项可以直接在页面中检索到对应的HTML标签位置——即在页面中点击选取。

3.console控制台,在这里可以看到一些与服务器的交互信息,上图中蓝色所指为清空,在此界面下,点击网页上的链接、按键或是F5刷新,可以看到与网页的交互信息。点击相应console下新出现的链接,可直接跳转到对应信息条目下。动态网页这个工具有很大的帮助,更多信息看第4条。控制台下可以输入一些变量函数,但因为没用到,所以没太多研究。有了解的可以分享下。

4.动态网页下,console控制台会出现一些链接,注意前面的信息:XHR。在这里插一点介绍,了解AJAX的小朋友可直接跳过。

常用到的就这些

二、磨刀不误砍柴工

某知名IT公司资深程序员关于Python爬虫的心得与总结

 

静态网页:静态网页以及少量表单交互的网站可以使用如下的技术路线:

  1. requests + BeautifulSoup + select css选择器
  2. requests + BeautifulSoup + find_all 进行信息提取
  3. requests + lxml/etree + xpath 表达式
  4. requests + lxml/html/fromstring + xpath 表达式

动态网页。简单动态网页,需要有点击或者提交的可以参考selenium + phantomJS组合使用。

很多人觉得爬虫有点难以掌握,因为知识点太多,需要懂前端、需要python熟练、还需要懂数据库,更不用说正则表达式、XPath表达式这些。

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:Python:Selenium 2:使用

下一篇:python学习