码迷,mamicode.com
首页 > 其他好文 > 详细

爬虫通用框架

时间:2019-07-07 14:17:30      阅读:75      评论:0      收藏:0      [点我收藏+]

标签:turn   sub   timeout   comm   cep   main   div   http   html_   

 1 爬虫通用框架
 2 import requests
 3 
 4 def get_html_text(url):
 5     try:
 6         r =requests.get(url,timeout=20)
 7 
 8         r.raise_for_status()
 9 
10         r.encoding = r.apparent_encoding
11 
12         return r.text
13 
14     except:
15         return "产生异常"
16 
17 if __name__ == __main__:
18     url ="http://www.baidu.com"
19     print(get_html_text(url))
20 
21 
22 实例
23 import requests
24 from bs4 import BeautifulSoup
25 
26 def getHTMLText(url):
27     try:
28         r = requests.get(url,timeout=20) #设置超时
29         r.raise_for_status()   # 判断请求是否成功
30         r.encoding = r.apparent_encoding  # 设置编码
31         return r.text   # 返回获取内容
32     except: #异常处理
33         return "产生异常"
34 
35 if __name__ == __main__:
36     url = "https://book.douban.com/subject/1084336/comments/"  # 需要请求的网址
37     # print(getHTMLText(url)) #调用函数
38     requests = getHTMLText(url)  # 获取文本内容
39     soup = BeautifulSoup(requests,"html.parser")  # 文本解析
40     reasult = soup.find_all("div",class_="comment") # 文本处理
41     for i in reasult :
42         print(i.p.text)  # 循坏打印文本

 

爬虫通用框架

标签:turn   sub   timeout   comm   cep   main   div   http   html_   

原文地址:https://www.cnblogs.com/mai1994/p/11146063.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!