什么是爬虫？

它是指向网站发起请求，获取资源后分析并提取有用数据的程序；

 

爬虫的步骤：

 

 

1、发起请求

使用http库向目标站点发起请求，即发送一个Request

Request包含：请求头、请求体等 

 

2、获取响应内容

如果服务器能正常响应，则会得到一个Response

Response包含：html，json，图片，视频等

 

3、解析内容

解析html数据：正则表达式（RE模块），第三方解析库如Beautifulsoup，pyquery等

解析json数据：json模块

解析二进制数据：以wb的方式写入文件

 

4、保存数据

数据库（MySQL，Mongdb、Redis）文件

废话不多说，直接上代码截图(本文以抓取猫眼网站电影数据为示例)：

 

 

 

 

 

以下是执行后输出的结果：

说明：代码截图中有详细的注释信息，所以不在文中再来说明代码中的用法。

备注：我的个人公众号已正式开通，致力于测试技术的分享，包含：大数据测试、功能测试，测试开发，API接口自动化、测试运维、UI自动化测试等，微信搜索公众号：“无量测试之道”，或扫描下方二维码：

 

添加关注，一起共同成长吧。

版权声明：本文为Wu13241454771原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/Wu13241454771/p/13044071.html