Requests - 使用Requests進行網頁抓取

我們已經瞭解瞭如何使用python requests庫從給定的URL獲取資料。我們將嘗試使用以下方法從Tutorialspoint網站（位於https://tutorialspoint.tw/tutorialslibrary.htm）抓取資料：

• Requests庫
• python的Beautiful Soup庫

我們已經安裝了Requests庫，現在讓我們安裝Beautiful Soup包。如果您想探索Beautiful Soup的更多功能，可以在其官方網站https://www.crummy.com/software/BeautifulSoup/bs4/doc/檢視。

安裝Beautiful Soup

我們將看到如何在下面安裝Beautiful Soup：

E:\prequests>pip install beautifulsoup4
Collecting beautifulsoup4
Downloading https://files.pythonhosted.org/packages/3b/c8/a55eb6ea11cd7e5ac4ba
cdf92bac4693b90d3ba79268be16527555e186f0/beautifulsoup4-4.8.1-py3-none-any.whl
(
101kB)
|████████████████████████████████| 102kB 22kB/s
Collecting soupsieve>=1.2 (from beautifulsoup4)
Downloading https://files.pythonhosted.org/packages/81/94/03c0f04471fc245d08d0
a99f7946ac228ca98da4fa75796c507f61e688c2/soupsieve-1.9.5-py2.py3-none-any.whl
Installing collected packages: soupsieve, beautifulsoup4
Successfully installed beautifulsoup4-4.8.1 soupsieve-1.9.5

現在我們已經安裝了python requests庫和Beautiful Soup。

現在讓我們編寫程式碼，從給定的URL抓取資料。

網頁抓取

import requests
from bs4 import BeautifulSoup
res = requests.get('https://tutorialspoint.tw/tutorialslibrary.htm')
print("The status code is ", res.status_code)
print("\n")
soup_data = BeautifulSoup(res.text, 'html.parser')
print(soup_data.title)
print("\n")
print(soup_data.find_all('h4'))

使用requests庫，我們可以獲取給定URL的內容，Beautiful Soup庫則有助於解析它並按我們想要的方式獲取詳細資訊。

您可以使用Beautiful Soup庫，透過HTML標籤、類、ID、CSS選擇器以及更多方法來獲取資料。以下是我們獲得的輸出，其中我們列印了頁面的標題以及頁面上的所有h4標籤。

輸出

E:\prequests>python makeRequest.py
The status code is 200
<title>Free Online Tutorials and Courses</title>
[<h4>Academic</h4>, <h4>Computer Science</h4>, <h4>Digital Marketing</h4>, 
<h4>Monuments</h4>,<h4>Machine Learning</h4>, <h4>Mathematics</h4>, 
<h4>Mobile Development</h4>,<h4>SAP</h4>, 
<h4>Software Quality</h4>, <h4>Big Data & Analytics</h4>, 
<h4>Databases</h4>, <h4>Engineering Tutorials</h4>, 
<h4>Mainframe Development</h4>, 
<h4>Microsoft Technologies</h4>, <h4>Java Technologies</h4>,
<h4>XML Technologies</h4>, <h4>Python Technologies</h4>, <h4>Sports</h4>, 
<h4>Computer Programming</h4>,<h4>DevOps</h4>, <h4>Latest Technologies</h4>, 
<h4>Telecom</h4>, <h4>Exams Syllabus</h4>, 
<h4>UPSC IAS Exams</h4>, 
<h4>Web Development</h4>,
<h4>Scripts</h4>, <h4>Management</h4>,<h4>Soft Skills</h4>, 
<h4>Selected Reading</h4>, <h4>Misc</h4>]