温馨提示×

怎么用python爬虫抓取网页文本

小亿
165
2023-10-17 02:36:20
栏目: 编程语言

使用Python爬虫抓取网页文本可以使用第三方库requests和beautifulsoup。

首先,安装requests和beautifulsoup库:

pip install requests
pip install beautifulsoup4

然后,编写Python代码:

import requests
from bs4 import BeautifulSoup
# 发送GET请求,获取网页内容
url = "http://example.com"  # 要抓取的网页URL
response = requests.get(url)
html = response.text
# 使用BeautifulSoup解析网页内容
soup = BeautifulSoup(html, 'html.parser')
# 提取网页文本
text = soup.get_text()
print(text)

以上代码中,首先使用requests库发送GET请求,获取网页内容并保存在变量html中。然后,使用BeautifulSoup库将网页内容进行解析,生成一个BeautifulSoup对象soup。最后,使用soup的get_text()方法提取网页的纯文本内容,并打印出来。

需要注意的是,使用爬虫抓取网页文本时,需要遵守网站的使用规则,尊重网站的robots.txt文件,不进行恶意爬取。另外,可能需要处理一些反爬机制,如设置User-Agent、延时请求等。

0