【Step1】获取html:
import requests
r = requests.get(‘’)
html = r.text#这样3行代码就把网页的html取出来了
【Step2】解析:
html用你喜欢的方式解析就可以了,牛逼的话可以直接正则。
from bs4 import BeautifulSoup
soup = BeautifulSoup(html) #这样2行就可以很方便的操作soup解析了
或者专业点的用scrapy爬虫框架,默认用xpath解析。
如果没有时间限制的话,其实可以同时进行。因为你会了用一个软件爬虫之后,你也就懂了爬虫的逻辑。另外一个也只是改代码而已。
我就是之前对python什么也不懂,然后不断摸索出来后,R的也大概知道怎么写了。再根据实际遇到的error改代码。
拓展Python的话会遇到很多问题,编码,网页获取等等。
个人感觉爬虫上,Python对中文相对友好点。