[Python知识库]个人爬虫学习小结（BeautifulSoup篇）

思路：

1.获取要爬取网站的url（复制网址）

2.设置param字典作为requests.get的参数,通过查看在网页打开f12在network里查看User-Agent，并作为参数

3.用requests.get(url,params=param,verify=False)来爬取网页信息，并设置r来接收响应

(verify=False主要用在带有https的网页)

r =?requests.get(url,params=param,verify=False)

4.根据网页源代码按住ctrl+f搜索charset查看编码格式，将爬取的页面转码

如 r.encoding = "utf-8"

注意这里是等号而非函数调用的格式

5.若调用requests时出现警告可加上如下代码解决

requests.packages.urllib3.disable_warnings()

6.用一个参数接收函数BeautifulSoup遍历

page = BeautifulSoup(r.text,"html.parser")

7.用page调用函数搜索需要的标签

ul_Find = page.find("ul",参数2)[1]

参数2用来指明标签的属性，可以为字典{"属性1":"属性值1" , "属性2":"属性值2"}

或者可以用函数find_all，参数一样

区别是find只搜索第一条，find_all搜索全部

返回的是列表

8.如果要继续搜索，可以继续用find和find_all函数根据标签搜索

9.可以用.get("属性")获取? ?--->属性值

? ? ? ? 用.text获取标签里的内容

10.关闭响应

r.close()