爬取百度产品列表

2021-06-13 11:04:51 阅读：205 来源： 互联网

标签：title class 列表爬取 soup response div find 百度

import requests
from bs4 import BeautifulSoup


url = 'https://www.baidu.com/more/'



response = requests.get(url)
response.encoding = 'utf-8'

# 解析html
soup = BeautifulSoup(response.text, 'lxml')
res = soup.find_all('div', class_='con')

datas = []
for info in res:
　　# find_next_siblings() 方法返回所有符合条件的后面的兄弟节点
    title = info.find('div').find_next_sibling('div').find('a').get_text()
    desc = info.find('div').find_next_sibling('div').find('span').get_text()
    datas.append({
        'title': title,
        'desc': desc
    })
with open('more.txt', 'w', encoding='utf-8') as f:
    for data in datas:
        f.write(str(data))
    print('done')

分析：

1.直接使用python模拟请求---->成功

2、发现返回来的结果是乱码

解决方案：

response.encoding = 'utf-8'  # 原本编码是iso-8859-1

3.解析html

此次采用BeautifulSoup进行解析

按CSS搜索

按照CSS类名搜索tag的功能非常实用,但标识CSS类名的关键字 class 在Python中是保留字,使用 class 做参数会导致语法错误.从Beautiful Soup的4.1.1版本开始,可以通过 class_ 参数搜索有指定CSS类名的tag:

soup = BeautifulSoup(response.text, 'lxml')

res = soup.find_all('div', class_='con')

find_all() 方法将返回文档中符合条件的所有tag,尽管有时候我们只想得到一个结果.比如文档中只有一个<body>标签,那么使用 find_all() 方法来查找<body>标签就不太合适, 使用 find_all 方法并设置 limit=1 参数不如直接使用 find() 方法.下面两行代码是等价的:

soup.find_all('title', limit=1)
# [<title>The Dormouse's story</title>]

soup.find('title')
# <title>The Dormouse's story</title>

唯一的区别是 find_all() 方法的返回结果是值包含一个元素的列表,而 find() 方法直接返回结果.

爬取结果：

一个遗留的坑：百度产品列表的图片没有爬取下来

原因：图片在css中的background中，还不会.....

标签：title,class,列表,爬取,soup,response,div,find,百度
来源： https://www.cnblogs.com/kun666/p/14879812.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

爬取百度产品列表

按CSS搜索