python 爬虫  beautifulsoup 和 requests 的使用

安装bs4 和 requests

pip install requests bs4

导入bs4 和 requests

import requests
from bs4 import BeautifulSoup

例子：

爬取NBA球员的信息

# 新建“exerc3”Python文件完成作业：NBA球员数据网站如下：
# “http://data.sports.sohu.com/nba/nba_players_rank.php?order_by=points&spm=smpc.fb-nba-home.top-dc.2.1620824904040nf6byr7”，
# 爬取前50名球员所有的数据打包成JSON数据或CSV数据写入到文件中。


# pip install requests bs4

# 第一步，导入需要用到的库
import requests
from bs4 import BeautifulSoup




# 第二步，请求网页内容
url = "http://data.sports.sohu.com/nba/nba_players_rank.php?order_by=points&spm=smpc.fb-nba-home.top-dc.2.1620824904040nf6byr7"  # 需要请求的网页的链接
html = requests.get(url)  # get方式请求数据
# print(html.status_code)  # 查看请求的状态码（200表示请求正常）
html.encoding = html.apparent_encoding  # 设置编码，防止由于编码问题导致文字错乱
# print(html.text)  # 查看请求到的内容
content = html.text

# print(content)

# 第三步，解析你需要的内容
# 解析器自带的是html.parser，也可以用lxml，兼容性更好，不过要单独安装第三方库
soup = BeautifulSoup(content, "html.parser")
# 1 按标签名查找标签
#使用find方法找到里面标签为a标签，文本内容为读书的标签（注意这里是完全匹配）
#

# 使用select CSS 选择器选择carousel 这个class内容，并且是里面a标签的内容，注意是一个列表内容


# 使用write将这些爬取下来的内容一行一行的写入文件中
# coding=UTF-8
filename = 'NBA.html'
with open(filename, 'w', encoding='utf-8') as f:  # 打开文件必须设置encoding='utf-8'编码格式 ，否则无法写入正确格式导致写不进去

    for i in soup.select(".table01 tr"):

        if i.select("td"):
            trs = i.select("td")#获取所有tr节点
            # print(trs)

            # 便利trs数组
            for tr in  trs:
                # 获取每一个tr里面的内容
                print(tr)
                tr_text = tr.get_text()
                # print(tr.get_text())
                f.write(tr_text+ "\n")




            # f.write("['link':{},'name':{}] \n".format(a[0].get("href"),a[1].getText()))

# # 使用find方法找到里面标签为a标签，文本内容为读书的标签（注意这里是完全匹配）
# tags = soup.find(name='a', text='读书')