爬虫感悟1

来源:互联网 发布:竞价网站数据库 编辑:程序博客网 时间:2024/06/08 13:36
import requestsfrom bs4 import BeautifulSoupdef getHTMLText(url):    r = requests.get(url)    r.raise_for_status()    r.encoding = r.apparent_encoding    return r.textdef getUnivList(HTML):    soup = BeautifulSoup(HTML,'html.parser')    for i in soup.find_all('span'):        print (i.get_text(strip=True))def main():  url = 'https://www.qiushibaike.com/hot/page/2/'  HTML = getHTMLText(url)  getUnivList(HTML)main()

这个小爬虫用到了requests和bs4库

r.raise_for_status()用于检验是否成功的获得了页面内容
r.encoding 是requests库读取页面内容开头得出的编码,r.apparent_encoding是读取全文的编码

get_text()得出<span>下的所用文本内容
strip=True 用于去点开头和结尾的空格