自学Python:Scrapeasy库一行代码搞定整个网页

2022-11-23 本文已影响0人小强聊成长

Scrapy是适用于Python的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。

Scrapy吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如BaseSpider、sitemap爬虫等，最新版本又提供了web2.0爬虫的支持。

Scrapeay 是Python的一个第三方库，主要功能：可以抓取网页数据，从单网页提取数据，多网页提取数据。还可以从PDF和HTML表格中提取数据。

下面直接上代码：

########################

from scrapeasy import Website,Page

#创建网站对象

webs = Website("https://www.163.com/dy/article/HM4QURSN0552CPDK.html")

#获取所有子链接

urls = webs.getSubpagesLinks()

#输出信息

print(f'打印所有链接信息:{urls}')

#查找图片

images = webs.getImages()

print(f'打印所有的图片信息：{images}')

#下载图片

webs.download('img','./data')

#下载pdf

webs.download('pdf','./data')

#获取链接

main_urls = webs.getLinks(intern=False,extern=False,domain=True)

#获取链接域

domain = webs.getLinks(intern=False,extern=True,domain=False)

# 下载其他类型的文件

cal_urls = webs.get("php")

########################

________________END______________