Python使用requests及BeautifulSoup构建爬虫实例代码

本文研究的主要是Python使用requests及BeautifulSoup构建一个网络爬虫，具体步骤如下。

功能说明

在Python下面可使用requests模块请求某个url获取响应的html文件，接着使用BeautifulSoup解析某个html。

案例

假设我要http://maoyan.com/board/4猫眼电影的top100电影的相关信息，如下截图：

获取电影的标题及url。

安装requests和BeautifulSoup

使用pip工具安装这两个工具。

pip install requests

pip install beautifulsoup4

程序

__author__ = 'Qian Yang'
# -*- coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup
def get_one_page(url):
 response= requests.get(url)
 if response.status_code == 200:
   return response.content.decode("utf8","ignore").encode("gbk","ignore")
#采用BeautifulSoup解析
def bs4_paraser(html):
 all_value = []
 value = {}
 soup = BeautifulSoup(html,'html.parser')
 # 获取每一个电影
 all_div_item = soup.find_all('div', attrs={'class': 'movie-item-info'})
 for r in all_div_item:
   # 获取电影的名称和url
   title = r.find_all(name="p",attrs={"class":"name"})[0].string
   movie_url = r.find_all('p', attrs={'class': 'name'})[0].a['href']
   value['title'] = title
   value['movie_url'] = movie_url
   all_value.append(value)
   value = {}
 return all_value

def main():
 url = 'http://maoyan.com/board/4'
 html = get_one_page(url)
 all_value = bs4_paraser(html)
 print(all_value)

if __name__ == '__main__':
 main()

代码测试可用，实现效果：

来源：http://blog.csdn.net/qy20115549/article/details/78111615