python根据标签爬取网页信息

这里以豆瓣TOP250为案例，爬取网页信息

import requests#python HTTP客户端库，编写爬虫和测试服务器响应数据会用到的类库
import re
from bs4 import BeautifulSoup

print('正在从豆瓣电影TOP250爬取数据……')
# url网址 = 'https://movie.douban.com/top250?start=0'  (第一页)
for page in range(10):
    url = 'https://movie.douban.com/top250?start='+str(page*25)
    print('-----------正在爬取第'+str(page+1)+'页------')
    # 根据url网址获取网页源码
    html=requests.get(url)
    html.raise_for_status()
    try:
        # 解析 HTML源代码
        soup=BeautifulSoup(html.text, 'html.parser')
        # 使用正则 表达式将网页文本转换成字符串
        soup=str(soup)
        # 该函数根据包含正则表达式的字符串解析创建模式对象
        title=re.compile(r'<span class="title">(.*)</span>')
        names = re.findall(title,soup)
        for name in names:
            #剔除’/‘后面的英文名（英文名特征是含有’/‘）
            if name.find('/') == -1:
                print(name)
    except Exception as e:
        print(e)

print("爬取完毕")