4个详细步骤讲解Python爬取网页数据操作过程!(含实例代码)

前言：

今天为大家带来的内容是4个详细步骤讲解Python爬取网页数据操作过程！(含实例代码）本文具有不错的参考意义，希望在此能够帮助到大家！

提示：由于涉及代码较多，大部分代码用图片的方式呈现出来！

一、利用webbrowser.open()打开一个网站：

实例：使用脚本打开一个网页。

所有Python程序的第一行都应以#!python开头，它告诉计算机想让Python来执行这个程序。（我没带这行试了试，也可以，可能这是一种规范吧）

• 1.从sys.argv读取命令行参数：打开一个新的文件编辑器窗口，输入下面的代码，将其保存为map.py。
• 2.读取剪贴板内容：
• 3.调用webbrowser.open()函数打开外部浏览：

注：不清楚sys.argv用法的，请参考这里；不清楚.join()用法的，请参考这里。sys.argv是字符串的列表，所以将它传递给join()方法返回一个字符串。

好了，现在选中'天安门广场'这几个字并复制，然后到桌面双击你的程序。当然你也可以在命令行找到你的程序，然后输入地点。

二、用requests模块从Web下载文件：requests模块不是Python自带的，通过命令行运行pip install request安装。没翻墙是很难安装成功的，手动安装可以参考这里。

requests中查看网上下载的文件内容的方法还有很多，如果以后的博客用的到，会做说明，在此不再一一介绍。在下载文件的过程中，用raise_for_status()方法可以确保下载确实成功，然后再让程序继续做其他事情。

三、将下载的文件保存到本地：

四、用BeautifulSoup模块解析HTML：在命令行中用pip install beautifulsoup4安装它。

1.bs4.BeautifulSoup()函数可以解析HTML网站链接requests.get()，也可以解析本地保存的HTML文件，直接open()一个本地HTML页面。

我这里有错误提示，所以加了第二个参数。

2.用select()方法寻找元素：需传入一个字符串作为CSS“选择器”来取得Web页面相应元素，例如：

1. soup.select('div')：所有名为<div>的元素；
2. soup.select('#author')：带有id属性为author的元素；
3. soup.select('.notice')：所有使用CSS class属性名为notice的元素；
4. soup.select('div span')：所有在<div>元素之内的<span>元素；
5. soup.select('input[name]')：所有名为<input>并有一个name属性，其值无所谓的元素；
6. soup.select('input[type="button"]')：所有名为<input>并有一个type属性，其值为button的元素。

想查看更多的解析器，请参看这里。

3.通过元素的属性获取数据：接着上面的代码写。

>>> link[0].get('href') 
'css/mozMainStyle-min.css?v=20170705

以上就是本文的全部内容啦，同时这些代码实例也算是对“网络爬虫”的一些初探。

最后多说一句，小编是一名python开发工程师，这里有我自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。想要这些资料的可以关注小编，并在后台私信小编：“07”即可领取。