首页 > 代码库 > Python 爬虫入门实例（爬取小米应用商店的top应用apk）
Python 爬虫入门实例（爬取小米应用商店的top应用apk）
一，爬虫是什么？
爬虫就是获取网络上各种资源，数据的一种工具。具体的可以自行百度。
二，如何写简单爬虫
1，获取网页内容
可以通过 Python(3.x) 自带的 urllib,来实现网页内容的下载。实现起来很简单
import urllib.request url="http://www.baidu.com" response=urllib.request.urlopen(url) html_content=response.read()
还可以使用三方库 requests ，实现起来也非常方便，在使用之前当然你需要先安装这个库：pip install requests 即可（Python 3以后的pip非常好使）
import requests html_content=requests.get(url).text
2, 解析网页内容
获取的网页内容html_content,其实就是html代码，我们需要对其进行解析，获取我们所需要的内容。
解析网页的方法有很多，这里我介绍的是BeautifullSoup，由于这是一个三方库，在使用前 还是要先安装 ：pip install bs4
form bs4 imort BeautifullSoup soup= BeautifullSoup(html_content, "html.parser")
三，实例分析
弄懂爬虫原理的最好办法，就是多分析一些实例，爬虫千变万化，万变不离其宗。废话少说上干货。
===================================我是分割线===================================================
需求：爬取小米应用商店的TOP n 应用
通过浏览器打开小米应用商店排行棒页面，F12审查元素
#coding=utf-8 import requests
import re from bs4 import BeautifullSoup def parser_apks(self, count=0): ‘‘‘小米应用市场‘‘‘ _root_url="http://app.mi.com" #应用市场主页网址 res_parser={} page_num=1 #设置爬取的页面，从第一页开始爬取，第一页爬完爬取第二页，以此类推 while count:
#获取排行榜页面的网页内容 wbdata = requests.get("http://app.mi.com/topList?page="+str(page_num)).text print("开始爬取第"+str(page_num)+"页")
#解析页面内容获取 应用下载的 界面连接 soup=BeautifulSoup(wbdata,"html.parser") links=soup.body.contents[3].find_all("a",href=http://www.mamicode.com/re.compile("/details?"), class_ ="", alt="") #BeautifullSoup的具体用法请百度一下吧。。。 for link in links: detail_link=urllib.parse.urljoin(_root_url, str(link["href"])) package_name=detail_link.split("=")[1]
#在下载页面中获取 apk下载的地址 download_page=requests.get(detail_link).text soup1=BeautifulSoup(download_page,"html.parser") download_link=soup1.find(class_="download")["href"] download_url=urllib.parse.urljoin(_root_url, str(download_link))
#解析后会有重复的结果，下面通过判断去重 if download_url not in res_parser.values(): res_parser[package_name]=download_url count=count-1 if count==0: break if count >0: page_num=page_num+1 print("爬取apk数量为: "+str(len(res_parser))) return res_parser
def craw_apks(self, count=1, save_path="d:\\apk\\"): res_dic=parser_apks(count) for apk in res_dic.keys(): print("正在下载应用: "+apk) urllib.request.urlretrieve(res_dic[apk],save_path+apk+".apk") print("下载完成")
if __name__=="__main__":
craw_apks（10）
运行结果：
开始爬取第1页 爬取apk数量为: 10 正在下载应用: com.tencent.tmgp.sgame
下载完成
.
.
.
以上就是简单爬虫的内容，其实爬虫的实现还是很复杂的，不同的网页有不同的解析方式，还需要深入学习。。。
Python 爬虫入门实例（爬取小米应用商店的top应用apk）
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。