用Python進行爬取網頁文字的代碼：

#!/usr/bin/python# -*- coding: UTF-8 -*-import requestsimport re# 下載一個網頁url = ’https://www.biquge.tw/75_75273/3900155.html’# 模擬瀏覽器發送http請求response = requests.get(url)# 編碼方式response.encoding=’utf-8’# 目標小說主頁的網頁源碼html = response.textprint(html)

1、編寫爬蟲思路：

確定下載目標，找到網頁，找到網頁中需要的內容。對數據進行處理。保存數據。

2、知識點說明：

1）確定網絡中需要的信息，打開網頁后使用F12打開開發者模式。

在Network中可以看到很多信息，我們在頁面上看到的文字信息都保存在一個html文件中。點擊文件后可以看到response，文字信息都包含在response中。

對于需要輸入的信息，可以使用ctrl+f，進行搜索。查看信息前后包含哪些特定字段。

對于超鏈接的提取，可以使用最左邊的箭頭點擊超鏈接，這時Elements會打開有該條超鏈接的信息，從中判斷需要提取的信息。從下載小說來看，在目錄頁提取出小說的鏈接和章節名。

2）注意編碼格式

輸入字符集一定要設置成utf-8。頁面大多為GBK字符集。不設置會亂碼。

內容擴展：

接下來我們了解一下爬取網頁信息的步驟。

想要獲得我們所需的數據分三步

第一步：使用BeautifulSoup解析網頁

Soup = BeautifulSoup(html,’lxml’)

第二步：描述想要爬去信息的東西在哪里。

信息 = Soup.select(’???’)

要知道它叫什么名字，如何去定位。

第三步：從標簽中獲得你想要的信息

<p>Something</p>

從標簽中獲取我們需要的信息，去掉一些沒有用的結構，并且把我們獲取的信息按照一定格式裝在數據容器中，方便我們去查詢。

以上就是python如何爬取網頁中的文字的詳細內容，更多關于python爬取網頁文字的資料請關注好吧啦網其它相關文章！