零基础写py爬虫

新建一个文件”helloworld.py”, 在其中输入:
  print "hello world!"
 
   保存并在终端中执行:
 
  python helloworld.py
   会有如下的输出:
 
   hello world!
 
 
 
这是你的第一个python程序. 这里我们可以学到两件事:
1. python的源代码保存在文本文件里
2. 运行只需要执行”python 源代码.py”
 
注释
 
在代码中, “注释”是指为了方便理解某段代码是做什么用的文字. 它只是给人看的, 并不会被编译并运行. 在python中, 可以使用’#'来标记注释
 
函数
 
函数是指你让程序执行的指令. 例如”print”就是你让程序显示一些字符(如”hello world!”)的指令.
 
库
 
像”print”这类函数都是可以直接拿来用的, 但是还有很多事情用这些函数是做不来的, 这时候我们就需要使用”库”来扩展我们可以用的函数. 使用库的方法(以处理url相关的”urllib”为例):
 
import urllib
 
变量
 
变量是用来存储一些东西的一个容器. 在很多语言中, 变量是强调类型的, 例如在c中: “int”被称为”整型”, 用来存储整数; “float”被成为”浮点型”, 用来存储小数. 同样, 在很多语言中, 使用它们的时候必须先”声明”变量. 而在python中, 变量是没有明显的类型区分的, 只有少数时候需要我们手动转换类型, 也不需要声明, 所以即使不了解这些东西也没关系.
 
 
 
 
爬东西的第一步: 加载网页
 
以加载百度首页为例, 我们需要做的有以下几个步骤:
创建访问请求-> 加载-> 把加载结果显示出来
 
代码:
 
import urllib2 # 使用库: urllib2
 
request = urllib2.request(url="www.baidu.com")
# 使用urllib2创建一个访问请求, 指定url为"https://www.baidu.com/", 并且把访问请求保存在request这个变量里面
 
result = urllib2.urlopen(request).read()
# 使用urllib2打开request这个请求(通过urlopen()函数), 并且读取数据(使用read()函数), 把结果保存在result这个变量里面
 
print  result
# 把result变量中的内容(刚刚读取的网页源代码)显示在屏幕上
库中函数的使用方法
 
库名.函数(参数)
例如:
urllib2.request(url="https:// www.2cto.com /")
 
库的名字: urllib2
函数: request()
参数: url=”https://www.baidu.com/”