PYTHON如何构建基础的爬虫

爬虫具有域名切换、信息收集以及信息存储功能。这里讲述如何构建基础的爬虫架构。

库介绍

1、urllib库：包含从网络请求数据、处理cookie、改变请求头和用户处理元数据的函数。是python标准库.urlopen用于打开读取一个从网络获取的远程对象。能轻松读取HTML文件、图像文件及其他文件流。

2、beautifulsoup库：通过定位HTML标签格式化和组织复杂的网络信息，用python对象展现XML结构信息。不是标准库，可用pip安装。常用的对象是BeautifulSoup对象。

基础爬虫

1、爬虫需要首先import对象，然后打开网址，使用BeautifulSoup对网页内容进行读取。

3、从输出中可以看出内容的结构为：

4、服务器不存在时，urlopen会返回None.可使用判断语句进行检测。调用的标签不存在会出现None，调用不存在的标签下的子标签，就会出现AttributeError错误。