三大库：requests,lxml,beautifulSoup.
Request库作用：请求网站获取网页数据。
get（）的基本使用方法
加入请求头伪装成浏览器
post（）的基本使用：用于提交表单来爬取需要登录才能获得数据的网页。
增加健壮性和效率
Requests库的错误和异常分四种：自己分为两种①未发出Reques②未收到Html
当发现这些错误或异常进行代码修改重新再来，爬虫重新再来，有些数据又爬一次。效率和质量低。
beautifulSoup()库的作用：①解析requests库请求的网页，把网页源代码解析成soup文档。②初步提取
①解析requests库请求的网页，把网页源代码解析成soup文档，得到标准缩进格式的结构输出，为进步处理准备。
②初步提取
find_all和find()的区别：查询一个或查询所有。使用方法一样，没有具体事例可能用的不多。
根据标签名提取内容
soup.find_all('div',"item")
soup.find_all('div',class='item')
soup.find_all('div',attrs={"class":"item"})
selector():根据路径查询数据
soup.selector（ div > div > div.lay.first > div.list_li.\30 > a > img）
div是标签名，list_li.\30是属性class的值
多分支标签中不能使用child要改为type
li:nth-child(1)需改为li:nth-of-type(1)
③get_text()方法：提取标签内容去掉头尾，5456 => 5456
网友评论