python用爬虫保存网页

您可以使用Python中的爬虫库（例如BeautifulSoup或Scrapy）来获取网页的内容，并将其保存为本地文件。下面是一个使用BeautifulSoup的简单示例：

import requests
from bs4 import BeautifulSoup

# 发送请求获取网页内容
url = 'https://www.example.com'
response = requests.get(url)
html_content = response.text

# 使用BeautifulSoup解析网页内容
soup = BeautifulSoup(html_content, 'html.parser')

# 保存网页内容到本地文件
with open('webpage.html', 'w', encoding='utf-8') as file:
    file.write(str(soup))

在这个例子中，我们首先使用`requests`库发送一个GET请求来获取网页内容。然后，我们使用`BeautifulSoup`库将网页内容解析为一个`BeautifulSoup`对象。最后，我们将解析后的内容保存到名为`webpage.html`的本地文件中。

请注意，这只是一个简单的示例，实际中可能需要处理更多的异常情况，并根据需要进行更复杂的网页解析和数据提取操作。

相关问题

python爬虫爬取网页并保存

答案：

可以使用Python中的requests和BeautifulSoup库来实现爬虫功能，具体步骤如下：

1. 使用requests库发送HTTP请求，获取目标网页的HTML源代码。

2. 使用BeautifulSoup库解析HTML源代码，提取需要的信息。

3. 使用Python中的文件操作函数将提取的信息保存到本地文件中。

以下是一个简单的示例代码：

import requests
from bs4 import BeautifulSoup

# 目标网页的URL
url = 'https://www.example.com'

# 发送HTTP请求，获取HTML源代码
response = requests.get(url)
html = response.text

# 使用BeautifulSoup解析HTML源代码
soup = BeautifulSoup(html, 'html.parser')
# 提取需要的信息
# ...

# 将提取的信息保存到本地文件中
with open('result.txt', 'w', encoding='utf-8') as f:
    f.write('提取的信息')

注意：在实际使用中，还需要考虑反爬虫机制、异常处理等问题。

python爬虫爬取网页图片并保存

以下是Python爬虫爬取网页图片并保存的代码示例：

import requests
from bs4 import BeautifulSoup
import os

# 目标网站
url = "https://unsplash.com/"

# 请求头
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3"}

# 发送请求
response = requests.get(url, headers=headers)

# 解析网页
soup = BeautifulSoup(response.text, "html.parser")

# 获取所有图片标签
img_tags = soup.find_all("img")

# 创建保存图片的文件夹
if not os.path.exists("images"):
    os.mkdir("images")

# 遍历图片标签，获取图片链接并保存
for img_tag in img_tags:
    img_url = img_tag.get("src")
    if img_url.startswith("https://"):
        img_response = requests.get(img_url, headers=headers)
        with open("images/" + img_url.split("/")[-1], "wb") as f:
            f.write(img_response.content)
            print("保存成功：", img_url)

解释：

1. 首先导入需要的库：requests发送网络请求、BeautifulSoup解析网页、os创建文件夹等。

2. 定义目标网站的URL和请求头。

3. 使用requests库发送网络请求，获得网页的响应。

4. 使用BeautifulSoup库解析网页，获取所有图片标签。

5. 创建一个名为images的文件夹，用来保存图片。

6. 遍历所有图片标签，获取图片链接，并判断是否为https协议开头的链接。

7. 如果是，使用requests库发送网络请求，获取图片的二进制数据，并将其保存到images文件夹中，以图片的名称命名。

8. 打印保存成功的提示信息。

9. 完成爬取和保存。