皮皮网

1.Python爬虫如何写？

人人人贷html源码混淆

Python爬虫如何写？

人人人贷html源码混淆       Python的爬虫库其实很多，像常见的urllib，requests，bs4，lxml等，初始入门爬虫的话，可以学习一下requests和bs4(BeautifulSoup)这2个库，比较简单，也易学习，requests用于请求页面，BeautifulSoup用于解析页面，下面我以这2个库为基础，简单介绍一下Python如何爬取网页静态数据和网页动态数据，实验环境win+python3.6+pycharm5.0，主要内容如下：

人人人贷html源码混淆

       Python爬取网页静态数据

人人人贷html源码混淆

       è¿™ä¸ªå°±å¾ˆç®€å•ï¼Œç›´æŽ¥æ ¹æ®ç½‘址请求页面就行，这里以爬取糗事百科上的内容为例：

人人人贷html源码混淆

       1.这里假设我们要爬取的文本内容如下，主要包括昵称、内容、好笑数和评论数这4个字段：

人人人贷html源码混淆

       æ‰“开网页源码，对应网页结构如下，很简单，所有字段内容都可以直接找到：

人人人贷html源码混淆

       2.针对以上网页结构，我们就可以编写相关代码来爬取网页数据了，很简单，先根据url地址，利用requests请求页面，然后再利用BeautifulSoup解析数据（根据标签和属性定位）就行，如下：

人人人贷html源码混淆

       ç¨‹åºè¿è¡Œæˆªå›¾å¦‚下，已经成功爬取到数据：

人人人贷html源码混淆

       Python爬取网页动态数据

人人人贷html源码混淆

       å¾ˆå¤šç§æƒ…况下，网页数据都是动态加载的，直接爬取网页是提取不到任何数据的，这时就需要抓包分析，找到动态加载的数据，一般情况下就是一个json文件（当然，也可能是其他类型的文件，像xml等），然后请求解析这个json文件，就能获取到我们需要的数据，这里以爬取人人贷上面的散标数据为例：

人人人贷html源码混淆

       1.这里假设我们爬取的数据如下，主要包括年利率，借款标题，期限，金额，进度这5个字段：

人人人贷html源码混淆

       2.按F调出开发者工具，依次点击“Network”->“XHR”，F5刷新页面，就可以找到动态加载的json文件，具体信息如下：

人人人贷html源码混淆

       3.接着，针对以上抓包分析，我们就可以编写相关代码来爬取数据了，基本思路和上面的静态网页差不多，先利用requests请求json，然后再利用python自带的json包解析数据就行，如下：

人人人贷html源码混淆

       ç¨‹åºè¿è¡Œæˆªå›¾å¦‚下，已经成功获取到数据：

人人人贷html源码混淆

       è‡³æ­¤ï¼Œæˆ‘们就完成了利用python来爬取网页数据。总的来说，整个过程很简单，requests和BeautifulSoup对于初学者来说，非常容易学习，也易掌握，可以学习使用一下，后期熟悉后，可以学习一下scrapy爬虫框架，可以明显提高开发效率，非常不错，当然，网页中要是有加密、验证码等，这个就需要自己好好琢磨，研究对策了，网上也有相关教程和资料，感兴趣的话，可以搜一下，希望以上分享的内容能对你上有所帮助吧，也欢迎大家评论、留言。

人人人贷html源码混淆

人人人贷html源码混淆