python网络爬虫抓取数个最优链接展示

阳光穿透心脏的1/2处 2022-10-29 10:27 170阅读 0赞

# python网络爬虫抓取数个最优链接展示（百度抓取） #

### 文章目录 ###

*  python网络爬虫抓取数个最优链接展示（百度抓取）
 *  前言
 *  一、库声明
 *  二、步骤
 *   *  1.引入库
     *  2.获取命令行参数
     *  3.找到查询的结果
     *  4.打开浏览器
 *  三、完整代码

--------------------

# 前言 #

今天试一下python网络爬虫的链接抓取实战，一起来试一下

--------------------

# 一、库声明 #

我们这次需要用到requests,sys, webbrowser,bs4,os库，如果没有库的小伙伴可以看我这个博文，[pip快速安装各种库][pip]

# 二、步骤 #

## 1.引入库 ##

代码如下（示例）：

import requests,sys, webbrowser,bs4,os

## 2.获取命令行参数 ##

> 如果有小伙伴问，什么是命令行参数？请看我的一些理解与解释，希望可以帮你梳理一下思路  
> 1、 什么是命令行的参数？  
> 如:我在cmd里面，输入了1.路径文件后，2.加上空格，3.再加上后面输入的参数，这个3，就是命令行参数的主要组成部分（前面还附带了文件名，看不懂没关系，我们上图！！！不啰嗦）

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1hSVE9OWQ_size_16_color_FFFFFF_t_70]

> 这是代码

代码如下

res=requests.get('http://www.baidu.com/s?wd='+''.join(sys.argv[1:]))
        print(sys.argv[0])
        print(sys.argv[1])
        print(sys.argv[2])
        print(sys.argv[3])
        print(sys.argv[0:])
        print(sys.argv[1:])

> 对应起来看，大家会发现命令行参数就是在你输入的参数前，再加上文件名字作为sys.argv\[0\],依次按照顺序构成列表，看到这里，相信大家应该可以明白命令行参数的基本构成了，那么我们继续！（因为考虑到可能并不是每个人都喜欢用cmd，来输入命令行进行运行程序，所以，我特地安排了在python IDLE中也同样可以输入命令运行，希望可以方便到大家。）

## 3.找到查询的结果 ##

search=input('请输入你要查找的内容')
        res=requests.get('http://www.baidu.com/s?wd='+search)#用requests.get获得
    res.encoding='utf-8'
    res.raise_for_status()#检验是否已经连接
    soup=bs4.BeautifulSoup(res.text,'lxml')#后面记得写这个lxml显式指定语法分析器
    linkElems=soup.select('div.result h3.t > a')#百度和谷歌的select输入并不相同

## 4.打开浏览器 ##

numOpen=min(5,len(linkElems))#这里我们只获得5条网页返回
    for i in range(numOpen):
        webbrowser.open(linkElems[i].get('href'))

--------------------

# 三、完整代码 #

#! python3
    import requests,sys, webbrowser,bs4,os
    if len(sys.argv)>1:
        res=requests.get('http://www.baidu.com/s?wd='+''.join(sys.argv[1:]))
    else:
        search=input('请输入你要查找的内容')
        res=requests.get('http://www.baidu.com/s?wd='+search)
    res.encoding='utf-8'
    res.raise_for_status()
    os.chdir(r'C:\Users\LX\Desktop')
    soup=bs4.BeautifulSoup(res.text,'lxml')
    linkElems=soup.select('div.result h3.t > a')
    numOpen=min(5,len(linkElems))
    for i in range(numOpen):
        webbrowser.open(linkElems[i].get('href'))

> 最后展示一下显示结果,先方法一，不用命令行参数

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1hSVE9OWQ_size_16_color_FFFFFF_t_70 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1hSVE9OWQ_size_16_color_FFFFFF_t_70 2]

> 方法二，用命令行参数

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1hSVE9OWQ_size_16_color_FFFFFF_t_70 3]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1hSVE9OWQ_size_16_color_FFFFFF_t_70 4]

> 可以看到，再次打开5个页面  
> 这次就到这里，谢谢大家

[pip]: https://blog.csdn.net/XRTONY/article/details/113353839
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1hSVE9OWQ_size_16_color_FFFFFF_t_70]: /images/20221024/62f26c8411da4ace8fdc89bc90764e6d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1hSVE9OWQ_size_16_color_FFFFFF_t_70 1]: /images/20221024/7f7bfcd62e294c6093e52a853892ce71.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1hSVE9OWQ_size_16_color_FFFFFF_t_70 2]: /images/20221024/f1b077b36609412096ca619b5a750a56.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1hSVE9OWQ_size_16_color_FFFFFF_t_70 3]: /images/20221024/6b4b20fd6b484936904979088499dbda.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1hSVE9OWQ_size_16_color_FFFFFF_t_70 4]: /images/20221024/c3711f9aca3d4d08bfe87cc3f127ddc5.png