大家都知道python爬虫，但是好学吗？初学又该怎么学习爬虫呢？

╰+哭是因爲堅強的太久メ 2022-03-22 10:06 126阅读 0赞

## **前言** ##

python爬虫容易学吗？这是大家很关心的问题，爬虫难不难那是要看你怎么学，有没有监督你学习，学习方法对不对，如果自学，会难一点点，毕竟有难题的时候没教你，容易崩溃，要是能找到好老师，就简单多了，不过你可以看看这里python爬虫是怎么入门的。  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzYzMDIy_size_16_color_FFFFFF_t_70][]

## 第一:爬虫准备(Python安装前提下) ##

爬虫需要做的第一件事是确定要爬虫数据的对象。这里我将以百度主页logo图像的地址为例。

首先，打开百度主页界面，然后将鼠标移动到主页界面的百度Logo图标，点击鼠标右键，然后点击review元素，打开开发者界面。

3.然后在接下来的界面中，可以看到logo图标在HTML中的布局模式，png" width= “270” height= “129”>，这里百度我换成了word。  
![koukou :1346525417][koukou _1346525417]

## 二:开始爬行 ##

爬虫主要分为两部分，第一部分是web界面的获取，第二部分是web界面的分析。爬虫程序的原理是使用代码模拟浏览器访问web站点。与浏览器不同，爬虫获取web页面的源代码而不需要浏览器的翻译效果。

首先，我们做页面获取。在Python爬虫的情况下，许多模块包为开发人员提供了直接访问web页面、urllib、urllib2、请求(urllib3)等的功能。首先，我们导入urllib2模块包(默认安装):导入urllib2

3.导入模块包后，调用urllib2中的urlopen方法链接网站。代码是repr = urllib2。urlopen(“XXXXXX”)，XXXXXX代表网站的名称。

在得到网站的响应后，读取页面的源代码并调用read方法，HTML = re .read。

在获得页面的源代码之后，接下来的工作是从HTML接口的源代码解析您想要的数据。解析接口有许多模块包，如原始re、有用的Beautiful Soup和tall lxml。在这里我将简要介绍一下re。首先，我将导入re模块包:导入re

然后我们用re来搜索。这里是正则表达式。不能理解它们的学生需要补充正则表达式的知识。

然后，我在这里实现了一个简单的爬虫程序，打印url，您可以在看到百度主页徽标地址之前看到它。

8.源代码：

import urllib2
    
    repr = urllib2.urlopen("URL")
    
    [html](http://www.yidianzixun.com/m/channel/keyword/html?display=html&word_id=html&type=token) = repr.read
    
    [import](http://www.yidianzixun.com/m/channel/keyword/import?display=import&word_id=import&type=token) re
    
    省略一行代码
    
    print url

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzYzMDIy_size_16_color_FFFFFF_t_70]: /images/20220322/f6895295ee09441fa8c52cc493701f0c.png
[koukou _1346525417]: /images/20220322/86e4d7ac29e64fe48047d60d5020c160.png