Python爬蟲工具requests-html使用解析

使用Python開發的同學一定聽說過Requsts庫，它是一個用於發送HTTP請求的測試。如比我們用Python做基於HTTP協議的接口測試，那麼一定會首選Requsts，因為它即簡單又強大。現在作者Kenneth Reitz 又開發了requests-html 用於做爬蟲。
該項目從3月上線到現在已經7K+的star了！
GiHub項目地址：
https://github.com/kennethreitz/requests-html
requests-html 是基於現有的框架 PyQuery、Requests、lxml、beautifulsoup4等庫進行了二次封裝，作者將Requests設計的簡單強大的優點帶到了該項目中。
安裝：
pip install requests-html

教程與使用：

使用GET請求 https://python.org 網站。
先來看看requests的基本使用。
from requests_html import HTMLSession session = HTMLSession() r = session.get('https://python.org/') # 獲取頁面上的所有鏈接。 all_links = r.html.links print(all_links) # 獲取頁面上的所有鏈接，以絕對路徑的方式。 all_absolute_links = r.html.absolute_links print(all_absolute_links)
作為一個IT技術人員，是不是要時時關心一下科技圈的新聞，上博客園新聞頻道，抓取最新的推薦新聞。
from requests_html import HTMLSession session = HTMLSession() r = session.get("https://news.cnblogs.com/n/recommend") # 通過CSS找到新聞標籤 news = r.html.find('h2.news_entry > a') for new in news: print(new.text) # 獲得新聞標題 print(new.absolute_links) # 獲得新聞鏈接
執行結果：
雷軍：小米硬件綜合淨利率永遠不超5％！
{'https://news.cnblogs.com/n/595156/'}
苦大仇深的“中國芯”，不妨學一學有趣的樹莓派
{'https://news.cnblogs.com/n/595143/'}
我的快遞，憑什麼不能給我送到家！
{'https://news.cnblogs.com/n/595087/'}
倪光南迴應方舟CPU失敗論：企業失敗不等於技術失敗
{'https://news.cnblogs.com/n/595102/'}
清華大學突破紀錄：首次實現25個量子接口間量子糾纏
{'https://news.cnblogs.com/n/595103/'}
定向免流量套餐用著爽，但背後的“坑”你可能不知道
{'https://news.cnblogs.com/n/595061/'}
你在微信群侃大山，有人卻用微信群發大財
{'https://news.cnblogs.com/n/595059/'}
馬雲的三觀
{'https://news.cnblogs.com/n/595047/'}
美國科技強大的全部祕密
{'https://news.cnblogs.com/n/595043/'}
蓋茨看著聽證會上的扎克伯格：滿眼都是20年前的自己
{'https://news.cnblogs.com/n/595025/'}
史上最清晰癌細胞轉移3D影像來襲
{'https://news.cnblogs.com/n/595019/'}
中興員工：華為僅部分芯片自己設計 誰被美製裁都得死
{'https://news.cnblogs.com/n/594967/'}
作為曾經的華為員工，我想替中興公司說兩句公道話
{'https://news.cnblogs.com/n/594962/'}
匿名網友回評樑寧：方舟bug無數 貼錢給別人都未必用
{'https://news.cnblogs.com/n/594932/'}
一段關於國產芯片和操作系統的往事
{'https://news.cnblogs.com/n/594900/'}
芯片股總市值低於美國巨頭 有公司靠政府補助盈利
{'https://news.cnblogs.com/n/594902/'}
被自家律師送上“槍口”的“二流”中興
{'https://news.cnblogs.com/n/594859/'}
Google正在失去DeepMind？
{'https://news.cnblogs.com/n/594853/'}
擴展：我們可以進一步將這裡數據做持久化處理，設計出自己的“頭條”。
接下來我們到網站上下載壁紙，以美桌網（www.win4000.com）為例。
from requests_html import HTMLSession import requests 

# 保存圖片到bg/目錄 

def save_image(url, title):

 img_response = requests.get(url) with open('./bg/'+title+'.jpg', 'wb') as file: file.write(img_response.content) # 背景圖片地址，這裡選擇1920*1080的背景圖片 url = "http://www.win4000.com/wallpaper_2358_0_10_1.html" session = HTMLSession() r = session.get(url) 

# 查找頁面中背景圖，找到鏈接，訪問查看大圖，並獲取大圖地址

 items_img = r.html.find('ul.clearfix > li > a')

 for img in items_img:

 img_url = img.attrs['href']

 if "/wallpaper_detail" in img_url:

 r = session.get(img_url) 

item_img = r.html.find('img.pic-large', first=True)

url = item_img.attrs['src'] 

title = item_img.attrs['title'] print(url+title) save_image(url, title)