这样学Python爬虫，想爬什么爬什么

你知道怎么学爬虫吗？正确的入门姿势在这里！只要学好了Python爬虫，真的是可以想爬什么爬什么哟，像什么美女图片啦，美食图片啦，美景图片啦。（小编可不知道你想看啥，反正只要学会了，啥都有哦）

一：爬虫准备（在安装好Python的前提下）

1.爬虫首先需要做的事情就是要确定好你想要爬取数据的对象，这里我将以百度主页logo图片的地址为例进行讲解。

2.首先，是打开百度主页界面，然后把鼠标移动到主页界面的百度logo图标上面，点击鼠标右键，然后点击审查元素，即可打开开发者界面。

3.然后再下面的界面里面，可以看到该logo图标在HTML里面的排版模式，<img hidefocus="true" src="//百度/img/bd_logo1.png" width="270" height="129">，这里百度我用字替换了。

二：开始爬虫

1.爬虫主要分为两个部分，第一个是网页界面的获取，第二个是网页界面的解析；爬虫的原理是利用代码模拟浏览器访问网站，与浏览器不同的是，爬虫获取到的是网页的源代码，没有了浏览器的翻译效果。

2.首先，我们进行页面获取，python爬虫的话很多模块包提供给开发者直接抓取网页，urllib，urllib2，requests（urllib3）等等，这里我们使用urllib2进行网站页面的获取；首先导入urllib2模块包（该包是默认安装的）：import urllib2

3.导入模块包之后，然后调用urllib2中的urlopen方法链接网站，代码如下repr = urllib2.urlopen("XXXXXX"),XXXXXX代表的是网站名称。

4.得到网站的响应之后，然后就是将页面的源代码读取出来，调用read方法，html = repr.read()

5.获取到页面的源代码之后，然后接下来的工作就是将自己想要的数据从html界面源代码中解析出来，解析界面的模块包有很多，原始的re，好用的BeautifulSoup，以及高大上的lxml等等，这里我就简单的用re介绍介绍，首先导入re模块包：import re

6.然后进行利用re进行搜索，这里我有使用正则表达式，看不懂的同学需去补充点正则表达式方面的知识。

7.然后，我这里就实现了一个简单的爬虫流程，打印url，可以看见刚好就是之前我们看见的百度主页logo的地址。

8.源代码：

import urllib2

repr = urllib2.urlopen("URL")

html = repr.read()

import re

省略一行代码

print url

怎么样？你学会了吗？如果还想掌握更多Python小技能，欢迎点击链接，关注我的知乎主页。满满的干货，等你来领取~对了，有Python开发工程师面试题哟，持续更新中~