python爬虫实现爬取同一个网站的多页数据的实例讲解

对于一个网站的图片、文字音视频等，如果我们一个个的下载，不仅浪费时间，而且很容易出错。Python爬虫帮助我们获取需要的数据，这个数据是可以快速批量的获取。本文小编带领大家通过python爬虫获取获取总页数并更改url的方法，实现爬取同一个网站的多页数据。

一、爬虫的目的

从网上获取对你有需要的数据

二、爬虫过程

1、获取url（网址）。

2、发出请求，获得响应。

3、提取数据。

4、保存数据。

三、爬虫功能

可以快速批量的获取想要的数据，不用手动的一个个下载(图片、文字音视频等)

四、使用python爬虫爬取同一网站多页数据

1、需要定位至该标签并获得总页数

def get_page_size(soup):
 pcxt=soup.find('div',{'class':'babynames-term-articles'}).find('nav')
 pcxt1=pcxt.find('div',{'class':'nav-links'}).findAll('a')
 for i in pcxt1[:-1]:
   link=i.get('href')
   s=str(i)
 page=re.sub('<a href="','',s)
 page1=re.sub(link,'',page)
 page2=re.sub('">','',page1)
 page3=re.sub('</a>','',page2)
 pagesize=int(page3)
 print(pagesize)
 return pagesize
Pass

2、更改url来访问网址，也就是进行主函数的编写

if __name__ == '__main__':
   url="http://www.sheknows.com/baby-names/browse/a/"
   soup=get_requests(url)
   page=get_page_size(soup)
   for i in range(1,page+1):
     url1=url+"page/"+str(i)+"/"
     soup1=get_requests(url1)
     draw_base_list(soup1)

实例扩展：

import requests
from lxml import etree
import re

url="https://movie.douban.com/top250"
header = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36"}

allMovieList=[]
flag = True
while flag:
 html = requests.get(url, headers=header).text
 list = etree.HTML(html)
 lis = list.xpath('//ol[@class="grid_view"]/li')
 for oneSelector in lis:
   name = oneSelector.xpath("div/div[2]/div[1]/a/span[1]/text()")[0]
   score = oneSelector.xpath("div/div[2]/div[2]/div/span[2]/text()")[0]
   people = oneSelector.xpath("div/div[2]/div[2]/div/span[4]/text()")[0]
   people = re.findall("(.*?)人评价",people)[0]
   oneMovieList = [name,score,people]
   allMovieList.append(oneMovieList)
 #获取下一页地址
 try:
   next_url = list.xpath('//span[@class="next"]/a/@href')[0]
   if next_url:
     url = "https://movie.douban.com/top250"+ next_url
 except:
   flag = False
print(allMovieList)

来源：https://www.py.cn/toutiao/23021.html