python爬虫怎么遍历网页

84次阅读

共计 819 个字符，预计需要花费 3 分钟才能阅读完成。

在 Python 中，可以使用多种方式遍历网页，以下是两种常见的方法：

使用 requests 和 BeautifulSoup 库：首先，使用 requests 库发送 HTTP 请求获取网页的 HTML 内容，然后使用 BeautifulSoup 库解析 HTML 内容。可以使用 BeautifulSoup 提供的 find_all() 方法遍历网页上特定的标签或元素。

import requests
from bs4 import BeautifulSoup

# 发送 HTTP 请求获取网页内容 
response = requests.get('http://example.com')
html_content = response.text

# 解析 HTML 内容 
soup = BeautifulSoup(html_content, 'html.parser')

# 遍历网页上的所有链接 
for link in soup.find_all('a'):
    print(link.get('href'))

使用 Scrapy 库：Scrapy 是一个功能强大的 Python 爬虫框架，它提供了一套完整的爬取、处理和存储网页数据的工具和方法。通过编写自定义的 Spider，可以遍历网页上的各个链接和页面。

import scrapy

class MySpider(scrapy.Spider):
    name = 'example'
    start_urls = ['http://example.com']

    def parse(self, response):
        # 遍历网页上的所有链接 
        for link in response.css('a::attr(href)').getall():
            yield {'link': link
            }