java爬虫（java爬虫和python爬虫区别）

编程日记 • 2025-04-13 21:40 • 阅读 15

JavaScript具有以下一些主要特点：

Python是一种通用编程语言：

Python更加通用和易学，适合初学者和从事数据分析、机器学习等工作的开发者；而JavaScript则更擅长web开发和交互式应用程序。

这里主要讲解python的爬虫代码书写，我们使用colab平台进行代码的编写。

Google Colab(Colaboratory)是一个基于浏览器的免费Jupyter Notebook环境，它为用户提供了一个免费的云端计算平台，用于编写和运行代码，尤其适合机器学习和数据科学领域的开发和研究。

首先我们先安装依赖。

# python 请求库
! pip install requests
# python dom 查找
! pip install beautifulsoup4

接下来我们就开始去编写获取数据的代码，这里我们通过豆瓣电影排行榜 (douban.com)这个链接去获取电影的数据。

首先看以下代码：

# 引入请求库
import requests
from bs4 import BeautifulSoup
# 爬取url里的电影数据
def fetch_movie_list(url):
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/125.0.0.0 Safari/537.36 Edg/125.0.0.0'
}
response = requests.get(url,headers = headers)
if(response.status_code == 200):
soup = BeautifulSoup(response.text,'html.parser')
movie_list = []
movies = soup.select('#wrapper #content .article .item')
print(len(movies))
all_movies_text = ''.join([movie.prettify() for movie in movies])
print(all_movies_text)
print(movies)
# 拿到数据就交给ai分析
return movies
else:
print("失败")
url = "https://movie.douban.com/chart"
# 爬取url里的电影数据
movies = fetch_movie_list(url)

这段代码我们就能够获取到相应的html数据了。

解释一下这段代码之前我们先聊一下前置知识。

向一个网站发送请求，到底得到了什么？

向一个网站发送请求的本质就是获取该网站返回的HTML页面。这个过程可以分为以下几个步骤：

1. 构建HTTP请求：

2. 发送HTTP请求：

3. 接收响应：

4. 获取HTML页面：

这个过程中，获取HTML页面是关键目标。HTML页面包含了网站的结构、内容和样式信息，通过解析和分析这个HTML。

既然我们向一个网站发送请求可以获取到html结构，这不就代表着我们可以通过分析html来获取数据。

接下来就继续分析上面的代码。

讲解一下：

headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/125.0.0.0 Safari/537.36 Edg/125.0.0.0'
}

这个请求头其实就是告诉网站，我是真人，不是程序

那么我们要如何获取到自己浏览器的这份User-Agent数据呢？

很简单，只需要在浏览器的控制台输入navigator.userAgent就可以获取到了

继续分析，我们以前写JavaScript的代码时，在遇到了发送请求时，都是需要去await的。

但是为什么Python代码不需要这样做呢？

这就是因为JavaScript是异步的，Python是同步的。

JavaScript就需要使用关键词await将异步代码块变为同步代码。

java爬虫（java爬虫和python爬虫区别）

相关推荐