python 爬取简单的百度搜索结果

Dear 丶 2022-05-04 11:26 263阅读 0赞

在学长的指导下自学了requests包，lxml包和selenium包。按要求写出了一个简单的爬虫

爬取百度搜索结果

主要还要借助xpath helper谷歌浏览器的插件来操作更容易找到需要查找信息的xpath位置

还要首先了解一下百度搜索请求的参数 lm默认为0，天数限制，但是好像只有1有用。

默认每页10条信息，rn

pn是页码

from lxml import etree
    import re
    import requests
    import string
    import json
    headers = {
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36"
    }
    response = requests.get('https://www.baidu.com/s?wd=腾讯视频优惠&lm=1',headers=headers)
    r = response.text
    html = etree.HTML(r,etree.HTMLParser())
    r1 = html.xpath('//h3')
    r2 = html.xpath('//*[@class="c-abstract"]')
    r3 = html.xpath('//a[@class="c-showurl"]')
    for i in range(10) :
        r11 = r1[i].xpath('string(.)')
        r22 = r2[i].xpath('string(.)')
        r33 = r3[i].xpath('string(.)')
        # with open('test.txt', 'a', encoding='utf-8') as f:
        #     f.write(json.dumps(r11,ensure_ascii=False) + '\n')
        #     f.write(json.dumps(r22, ensure_ascii=False) + '\n')
        #     f.write(json.dumps(r33, ensure_ascii=False) + '\n')
        print(r11,end='\n')
        print(r22,end='\n')
        print(r33)
        print()

# URL如上的话，只能爬出一点URL，不是完整的URL，要改动一下 #

# //a\[@class="c-showurl"\]后面加上/@href #

# 下面的xpath.('string(.)')就不需要了 #

![70][]

只是爬取了搜索的信息标题，信息描述和信息源地址

# 用xpath获取指定标签下的所有text #

原博地址[https://blog.csdn.net/legendary\_Dragon/article/details/81412096][https_blog.csdn.net_legendary_Dragon_article_details_81412096]

爬取结果如下

![70 1][]

[70]: /images/20220504/f2aecdfe395d45b0a6977997a3645114.png
[https_blog.csdn.net_legendary_Dragon_article_details_81412096]: https://blog.csdn.net/legendary_Dragon/article/details/81412096
[70 1]: /images/20220504/3f510a2dc74f421db6aaa18444c5d115.png