?[[381959]]?

 一、前言

眾所周知，百度上直接搜索關(guān)鍵字會出來一大堆東西，時常還會伴隨有廣告出現(xiàn)，不小心就點進去了，還得花時間退出來，有些費勁。

最近群里有個小伙伴提出一個需求，需要獲取百度上關(guān)于糧食的相關(guān)講話文章標題和鏈接。正好小編最近在學習爬蟲，就想著拿這個需求來練練手。我們都知道，對Python來說，有大量可用的庫，實現(xiàn)起來并不難，動手吧。

二、項目目標

爬取百度上關(guān)鍵字為“糧食”的搜索結(jié)果，并保存，提交給客戶，用于進一步分析我國糧食政策。

三、項目準備

軟件：PyCharm

需要的庫：json， requests，etree

四、項目分析

1)如何進行關(guān)鍵詞搜索?

利用response庫，直接Get網(wǎng)址獲得搜索結(jié)果。網(wǎng)址如下：

https://www.baidu.com/s?wd=糧食

2)如何獲取標題和鏈接?

利用etree對原代碼進行規(guī)范梳理后，通過Xpath定位到文章標題和href，獲取標題和文章鏈接。

3)如何保存搜索結(jié)果?

新建txt文件，對搜索結(jié)果循環(huán)寫入，保存即可。

五、項目實現(xiàn)

1、第一步導入需要的庫

import json
import requests
from lxml import etree

2、第二步用requests進行請求搜索

headers = {
"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36"
}
response = requests.get('https://www.baidu.com/s?wd=糧食&lm=1', headers=headers)

3、第三步對獲取的源代碼進行整理分析，通過Xpath定位需要的資源

r = response.text
html = etree.HTML(r, etree.HTMLParser())
r1 = html.xpath('//h3')
r2 = html.xpath('//*[@class="c-abstract"]')
r3 = html.xpath('//*[@class="t"]/a/@href')

4、第四步把有用資源循環(huán)讀取保存

for i in range(10):
r11 = r1[i].xpath('string(.)')
r22 = r2[i].xpath('string(.)')
r33 = r3[i]
with open('ok.txt', 'a', encoding='utf-8') as c:
c.write(json.dumps(r11,ensure_ascii=False) + '\n')
c.write(json.dumps(r22, ensure_ascii=False) + '\n')
c.write(json.dumps(r33, ensure_ascii=False) + '\n')
print(r11, end='\n')
print('------------------------')
print(r22, end='\n')
print(r33)

六、效果展示

1、程序運行結(jié)果，如下圖所示：

????

2、保存為txt的文件最終結(jié)果如下圖所示：

????

七、總結(jié)

本文介紹了如何利用Python對百度搜索結(jié)果進行爬取、保存，是一個小爬蟲，這也是Python好玩的地方，有大量免費的庫可用，能幫你實現(xiàn)各種需求。工作量大，學會用Python!

本文轉(zhuǎn)載自微信公眾號「Python爬蟲與數(shù)據(jù)挖掘」，可以通過以下二維碼關(guān)注。轉(zhuǎn)載本文請聯(lián)系Python爬蟲與數(shù)據(jù)挖掘公眾號。

??