python爬虫借助requests库发送http请求获取网页源码，并利用beautifulsoup等解析库将源码转换为可解析结构，再通过find()等方法提取所需数据，最后对数据进行处理并保存到文件或数据库中。

Python爬虫数据爬取方法

Python爬虫通过模拟浏览器发送请求获取网页源码，再解析源码提取想要的数据。具体步骤如下：

1. 发送请求

使用requests库发送GET或POST请求，获取网页源码。

立即学习“Python免费学习笔记（深入）”；

import requests

url = "https://example.com"
response = requests.get(url)

2. 解析源码

使用BeautifulSoup或lxml等HTML解析库，将网页源码转换成一个可解析的结构。

from bs4 import BeautifulSoup

soup = BeautifulSoup(response.text, "html.parser")

3. 提取数据

使用find(), find_all()等方法，根据特定的标签、属性或CSS选择器提取所需数据。

# 提取第一个标题
title = soup.find("title").text

# 提取所有链接
links = soup.find_all("a")

4. 处理数据

对提取的数据进行清洗，例如去除多余的字符、转换数据类型等。

# 去除 title 中的多余空格
title = title.strip()

# 提取链接中的 href 属性
hrefs = [link.get("href") for link in links]

5. 保存数据

将爬取到的数据保存到文件或数据库中。

# 保存到文件
with open("data.txt", "w") as f:
    f.write(title + "n")

# 保存到数据库
import sqlite3

conn = sqlite3.connect("db.sqlite3")
c = conn.cursor()
c.execute("INSERT INTO data (title) VALUES (?)", (title,))
conn.commit()