Python爬虫借助requests库发送HTTP请求获取网页源码，并利用BeautifulSoup等解析库将源码转换为可解析结构，再通过find()等方法提取所需数据，最后对数据进行处理并保存到文件或数据库中。
Python爬虫数据爬取方法
Python爬虫通过模拟浏览器发送请求获取网页源码，再解析源码提取想要的数据。具体步骤如下：
1. 发送请求
使用requests库发送GET或POST请求，获取网页源码。
立即学习“Python免费学习笔记（深入）”；
import requests url = "https://example.com" response = requests.get(url)
2. 解析源码
使用BeautifulSoup或lxml等HTML解析库，将网页源码转换成一个可解析的结构。
from bs4 import BeautifulSoup soup = BeautifulSoup(response.text, "html.parser")
3. 提取数据
使用find(), find_all()等方法，根据特定的标签、属性或CSS选择器提取所需数据。
# 提取第一个标题
title = soup.find("title").text
# 提取所有链接
links = soup.find_all("a")4. 处理数据
对提取的数据进行清洗，例如去除多余的字符、转换数据类型等。
# 去除 title 中的多余空格
title = title.strip()
# 提取链接中的 href 属性
hrefs = [link.get("href") for link in links]5. 保存数据
将爬取到的数据保存到文件或数据库中。
# 保存到文件
with open("data.txt", "w") as f:
f.write(title + "\n")
# 保存到数据库
import sqlite3
conn = sqlite3.connect("db.sqlite3")
c = conn.cursor()
c.execute("INSERT INTO data (title) VALUES (?)", (title,))
conn.commit() 
