手把手教你用Python爬取百度搜索结果并保存

 一、前言

众所周知，百度上直接搜索关键字会出来一大堆东西，时常还会伴随有广告出现，不小心就点进去了，还得花时间退出来，有些费劲。

最近群里有个小伙伴提出一个需求，需要获取百度上关于粮食的相关讲话文章标题和链接。正好小编最近在学习爬虫，就想着拿这个需求来练练手。我们都知道，对Python来说，有大量可用的库，实现起来并不难，动手吧。

二、项目目标

爬取百度上关键字为“粮食”的搜索结果，并保存，提交给客户，用于进一步分析我国粮食政策。

三、项目准备

软件：PyCharm

需要的库：json， requests，etree

四、项目分析

1)如何进行关键词搜索?

利用response库，直接Get网址获得搜索结果。网址如下：

https://www.baidu.com/s?wd=粮食 

2)如何获取标题和链接?

利用etree对原代码进行规范梳理后，通过Xpath定位到文章标题和href，获取标题和文章链接。

3)如何保存搜索结果?

新建txt文件，对搜索结果循环写入，保存即可。

五、项目实现

1、第一步导入需要的库

import json 
import requests 
from lxml import etree 

2、第二步用requests进行请求搜索

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=粮食&lm=1', headers=headers) 

3、第三步对获取的源代码进行整理分析，通过Xpath定位需要的资源

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、第四步把有用资源循环读取保存

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、程序运行结果，如下图所示：

2、保存为txt的文件最终结果如下图所示：

七、总结

本文介绍了如何利用Python对百度搜索结果进行爬取、保存，是一个小爬虫，这也是Python好玩的地方，有大量免费的库可用，能帮你实现各种需求。工作量大，学会用Python!

本文转载自微信公众号「Python爬虫与数据挖掘」，可以通过以下二维码关注。转载本文请联系Python爬虫与数据挖掘公众号。

本文转载自网络，原文链接：https://mp.weixin.qq.com/s/Vt7n3zdlWb84NB1xBXWWdQ
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！