这篇“如何快速上手python爬虫”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“如何快速上手python爬虫”文章吧。
“爬虫”是一种形象的说法。互联网比喻成一张大网，爬虫是一个程序或脚本在这种大网上爬走。碰到虫子（资源），若是所需的资源就获取或下载下来。这个资源通常是网页、文件等等，可以通过该资源里面的url链接，顺藤摸瓜继续爬取这些链接的资源。
爬虫：一段自动抓取互联网信息的程序，从互联网上抓取对于我们有价值的信息。
Python 爬虫架构主要由五个部分组成，分别是调度器、URL管理器、网页下载器、网页解析器、应用程序（爬取的有价值数据）。
下面用一个图来解释一下调度器是如何协调工作的: 
#!/usr/bin/python# -*- coding: UTF-8 -*-import cookielib
import urllib2
url = "http://www.baidu.com"response1 = urllib2.urlopen(url)print "第一种方法"#获取状态码，200表示成功print response1.getcode()#获取网页内容的长度print len(response1.read())print "第二种方法"request = urllib2.Request(url)#模拟Mozilla浏览器进行爬虫request.add_header("user-agent","Mozilla/5.0")
response2 = urllib2.urlopen(request)print response2.getcode()print len(response2.read())print "第三种方法"cookie = cookielib.CookieJar()#加入urllib2处理cookie的能力opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))
urllib2.install_opener(opener)
response3 = urllib2.urlopen(url)print response3.getcode()print len(response3.read())print cookie第三方库 Beautiful Soup 的安装
Beautiful Soup: Python 的第三方插件用来提取 xml 和 HTML 中的数据，官网地址 https://www.crummy.com/software/BeautifulSoup/
打开 cmd（命令提示符），进入到 Python（Python2.7版本）安装目录中的 scripts 下，输入 dir 查看是否有 pip.exe, 如果用就可以使用 Python 自带的 pip 命令进行安装，输入以下命令进行安装即可：
pip install beautifulsoup4
编写一个 Python 文件，输入:
\#!/usr/bin/python # -*- coding: UTF-8 -*- import re from bs4 import BeautifulSoup html_doc = """ The Dormouse's story **The Dormouse's story** Once upon a time there were three little sisters; and their names were [Elsie](http://example.com/elsie), [Lacie](http://example.com/lacie) and [Tillie](http://example.com/tillie); and they lived at the bottom of a well. ... """ #创建一个BeautifulSoup解析对象 soup = BeautifulSoup(html_doc,"html.parser",from_encoding="utf-8") #获取所有的链接 links = soup.find_all('a') print "所有的链接" for link in links: print link.name,link['href'],link.get_text() print "获取特定的URL地址" link_node = soup.find('a',href="http://example.com/elsie") print link_node.name,link_node['href'],link_node['class'],link_node.get_text() print "正则表达式匹配" link_node = soup.find('a',href=re.compile(r"ti")) print link_node.name,link_node['href'],link_node['class'],link_node.get_text() print "获取P段落的文字" p_node = soup.find('p',class_='story') print p_node.name,p_node['class'],p_node.get_text()以上就是关于“如何快速上手python爬虫”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注亿速云行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
