【Python爬虫】用CSS 选择器提取网页数据

使用 pip 安装 requests_html 库

 pip install requests_html

根据你的网络情况，通常需要几分钟时间。

在你的电脑任意位置，新建一个 crawler.py 文件。输入并执行以下 4 行代码：

from requests_html import HTMLSession
session = HTMLSession()
r = session.get('https://movie.douban.com/subject/1292052/')
print(r.text)

运行

你将会看到如下输出：

<!DOCTYPE html>
<html lang="zh-cmn-Hans" class="ua-mac ua-webkit">
<head>
    <meta http-equiv="Content-Type" content="text/html; charset=utf-8">
    <meta name="renderer" content="webkit">
    <meta name="referrer" content="always">
    <meta name="google-site-verification" content="" />
    <title>
        肖申克的救赎 (豆瓣)
</title>

... 以下省略 3000 行

提取网页中所需内容

你将使用强大的 CSS 选择器 来提取网页中有价值的信息。

CSS 选择器可以从结构化的网页中选择一个特定的元素。

大多数浏览器都提供了获得页面上特定元素 CSS 选择器的功能。

先查看一段内容的代码，在代码上点击右键，选择 Copy -> Copy Selector (或者 Copy CSS Selector、复制 CSS 选择器），就能将这段内容对应的 CSS 选择器复制到剪贴板。

现在你需要访问这个页面。按照上面的介绍，把电影名称对应的选择器复制上

回到之前创建的 crawler.py 文件，使用 Python 和 CSS 选择器来提取网页内容。

from requests_html import HTMLSession
session = HTMLSession()
r = session.get('https://movie.douban.com/subject/1292052/')
title = r.html.find('用你的选择器替换这里的内容', first=True)
# r.html.find() 接受一个 CSS 选择器（字符串形式）作为参数
# 返回在网页中使用该选择器选中的内容。

print(title.text）

运行看看，你是否把电影名称从网页中提取出来了呢？如果成功了，试试提取其它你感兴趣的内容吧！