파이썬 3을 사용하는 웹 스크래핑 자습서?

Question

웹 사이트를 긁을 수 있도록 python 3.x를 배우려고합니다. 사람들은 Beautiful Soup 4 또는 lxml.html을 사용하도록 권장했습니다. 누군가 파이썬 3.x와 함께 BeautifulSoup에 대한 튜토리얼이나 예제를 올바른 방향으로 가르쳐 주시겠습니까?

도움 주셔서 감사합니다.

Answer 1

실제로 파이썬에 몇 가지 샘플 코드가 포함 된 a full guide on web scraping을 작성했습니다. 파이썬 2.7에서 작성하고 테스트했지만 두 가지 패키지 (요청과 BeautifulSoup)는 모두 Wall of Shame에 따라 파이썬 3과 완벽하게 호환됩니다.

다음

import sys 
import requests 
from BeautifulSoup import BeautifulSoup 


def scrape_google(keyword): 

    # dynamically build the URL that we'll be making a request to 
    url = "http://www.google.com/search?q={term}".format(
     term=keyword.strip().replace(" ", "+"), 
    ) 

    # spoof some headers so the request appears to be coming from a browser, not a bot 
    headers = { 
     "user-agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_5)", 
     "accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8", 
     "accept-charset": "ISO-8859-1,utf-8;q=0.7,*;q=0.3", 
     "accept-encoding": "gzip,deflate,sdch", 
     "accept-language": "en-US,en;q=0.8", 
    } 

    # make the request to the search url, passing in the the spoofed headers. 
    r = requests.get(url, headers=headers) # assign the response to a variable r 

    # check the status code of the response to make sure the request went well 
    if r.status_code != 200: 
     print("request denied") 
     return 
    else: 
     print("scraping " + url) 

    # convert the plaintext HTML markup into a DOM-like structure that we can search 
    soup = BeautifulSoup(r.text) 

    # each result is an <li> element with class="g" this is our wrapper 
    results = soup.findAll("li", "g") 

    # iterate over each of the result wrapper elements 
    for result in results: 

     # the main link is an <h3> element with class="r" 
     result_anchor = result.find("h3", "r").find("a") 

     # print out each link in the results 
     print(result_anchor.contents) 


if __name__ == "__main__": 

    # you can pass in a keyword to search for when you run the script 
    # be default, we'll search for the "web scraping" keyword 
    try: 
     keyword = sys.argv[1] 
    except IndexError: 
     keyword = "web scraping" 

    scrape_google(keyword) 

그냥 일반적으로 파이썬 3에 대해 자세히 알아 보려면 이미 파이썬 2.x를 잘 알고있는 경우, this article 전환에 : 여기

는 웹 파이썬에서 긁어를 시작하는 몇 가지 코드입니다 Python 2부터 Python 3까지 도움이 될 것입니다.