在学长的指导下自学了requests包，lxml包和selenium包。按要求写出了一个简单的爬虫
爬取百度搜索结果
主要还要借助xpath helper谷歌浏览器的插件来操作更容易找到需要查找信息的xpath位置
还要首先了解一下百度搜索请求的参数 lm默认为0，天数限制，但是好像只有1有用。
默认每页10条信息，rn
pn是页码
from lxml import etreeimport reimport requestsimport stringimport jsonheaders = { "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36"}response = requests.get('https://www.baidu.com/s?wd=腾讯视频优惠&lm=1',headers=headers)r = response.texthtml = etree.HTML(r,etree.HTMLParser())r1 = html.xpath('//h3')r2 = html.xpath('//*[@class="c-abstract"]')r3 = html.xpath('//a[@class="c-showurl"]')for i in range(10) : r11 = r1[i].xpath('string(.)') r22 = r2[i].xpath('string(.)') r33 = r3[i].xpath('string(.)') # with open('test.txt', 'a', encoding='utf-8') as f: # f.write(json.dumps(r11,ensure_ascii=False) + 'n') # f.write(json.dumps(r22, ensure_ascii=False) + 'n') # f.write(json.dumps(r33, ensure_ascii=False) + 'n') print(r11,end='n') print(r22,end='n') print(r33) print() URL如上的话，只能爬出一点URL，不是完整的URL，要改动一下 //a[@class="c-showurl"]后面加上/@href 下面的xpath.('string(.)')就不需要了只是爬取了搜索的信息标题，信息描述和信息源地址
用xpath获取指定标签下的所有text原博地址https://blog.csdn.net/legendary_Dragon/article/details/81412096
爬取结果如下