创新互联www.cdcxhl.cn八线动态BGP香港云服务器提供商，新人活动买多久送多久，划算不套路！
小编给大家分享一下python做爬虫的小技巧，希望大家阅读完这篇文章后大所收获，下面让我们一起去探讨吧！
整体思路流程
通过URL获取说要爬取的页面的响应信息（Requests库的使用） 通过python中的解析库来对response进行结构化解析（BeautifulSoup库的使用） 通过对解析库的使用和对所需要的信息的定位从response中获取需要的数据（selecter和xpath的使用） 将数据组织成一定的格式进行保存（MongoDB的使用） 通过对数据库中的数据进行筛选和组织，进行数据可视化的初步展示（HighCharts库的使用）
简单代码演示
准备工作
下载并安装所需要的python库，包括：
requests库：用于向指定url发起请求 BeautifulSoup库：用于解析返回的网页信息 lxml库：用于解析网页返回结果 pymongo库：用于实现python对MongoDB的操作
对所需要的网页进行请求并解析返回的数据
对于想要做一个简单的爬虫而言，这一步其实很简单，主要是通过requests库来进行请求，然后对返回的数据进行一个解析，解析之后通过对于元素的定位和选择来获取所需要的数据元素，进而获取到数据的一个过程。
以上就是一个简单的网页爬虫的制作过程，我们可以通过定义不同的爬虫来实现爬取不同页面的信息，并通过程序的控制来实现一个自动化爬虫。
以下是一个爬虫的实例
import requests
from bs4 import BeautifulSoup
start_url = 'http://bj.58.com/sale.shtml'
url_host = 'http://bj.58.com'
#定义一个爬虫函数来获取二手市场页面中的全部大类页面的连接
def get_channel_urls(url):
#使用Requests库来进行一次请求
web_data = requests.get(url)
#使用BeautifulSoup对获取到的页面进行解析
soup = BeautifulSoup(web_data.text, 'lxml')
#根据页面内的定位信息获取到全部大类所对应的连接
urls = soup.select('ul.ym-submnu > li > b > a')
#作这两行处理是因为有的标签有链接，但是却是空内容
for link in urls:
if link.text.isspace():
continue
else:
page_url = url_host + link.get('href')
print(page_url)看完了这篇文章，相信你对python做爬虫的小技巧有了一定的了解，想了解更多相关知识，欢迎关注创新互联-成都网站建设公司行业资讯频道，感谢各位的阅读！
