3.1 爬取网络信息（课件）-九年级信息技术上册同步精品课堂（川教2019版）
2021-11-08
|
21页
|
801人阅读
|
18人下载
精品
资源信息
| 学段 | 初中 |
|---|---|
| 学科 | 信息科技 |
| 教材版本 | 初中信息科技川教版（2019）九年级上册 |
| 年级 | 九年级 |
| 章节 | 第1节 爬取网络信息 |
| 类型 | 课件 |
| 知识点 | - |
| 使用场景 | 同步教学 |
| 学年 | 2023-2024 |
| 地区（省份） | 全国 |
| 地区（市） | - |
| 地区（区县） | - |
| 文件格式 | PPTX |
| 文件大小 | 912 KB |
| 发布时间 | 2021-11-08 |
| 更新时间 | 2023-04-09 |
| 作者 | 喜鹊 |
| 品牌系列 | - |
| 审核时间 | 2021-11-08 |
| 下载链接 | https://m.zxxk.com/soft/31294683.html |
| 价格 | 3.00储值（1储值=1元） |
| 来源 | 学科网 |
内容正文：
中物理
第三单元 我的课外读物
——网络爬虫
川教版（2019） 信息技术（九年级上册）
第1节 爬取网络信息
学易同步精品课堂
1
课堂导入
同学们：
随着信息技术的迅速发展，互联网上涌现出了大量的信息，网络爬虫可以有效地筛选并提取我们需要的信息。本单元我们将通过完成“我的课外读物”项目，掌握Python网络爬虫的编写技术，学会处理和保存信息的方法。
学习目标
1
1.分析任务要达到的目标。
2.学会将任务分解成小任务并梳理出方法和步骤。
3. 学会在Python中使用requests模块访问网络，获取信息。
2
目录
一、明确任务
二、实现方法
三、Python爬虫访问网页
明确任务
一
一、明确任务
明确任务
一
网上有很多书目介绍的网站，我们以“京东商城”为例，网址是
“https://www.jd.com/chanpin/459613.html”。
我们可以用python程序把这个网页的信息获取下来，对信息进行筛选和整理，并且保存下来，还可以进行简单的处理，最后得到我们想要的信息。
我们按以下步骤来进行：
1.搜索满足要求的网站;
2.编写程序从网页获取信息;
3.筛选出所需信息;
4.将信息转化成表格的格式;
5.保存信息;
6.使用/分析信息。
上面的过程可以概括为获取信息、处理信息、保存信息、使用/分析信息等步骤。
明确任务
一
用Python编写爬虫程序
访问网页
获取网页内容
筛选出所需信息
调整所需信息格式
保存需要的信息
分析信息
（ ）信息
（ ）信息
（ ）信息
（ ）信息
获取
处理
保存
使用/分析
实现方法
二
二、实现方法
实现方法
二
“我的课外读物”项目用Python爬虫编程实现所需知识和方法。
所属步骤 流程说明 所需知识、方法
获取信息 访问网页、获取网页内容 requests模块的使用方法
处理信息 筛选信息、整理信息 使用BeautifulSoup模块调用lxml解析器清除不需要的html内容
保存信息 保存信息至文件 文件保存、写操作
使用/分析信息 根据需求使用、分析信息 用Excel排序，或使用pandas模块排序
实现方法
二
上表中的知识与方法，是我们编写爬虫程序的基础，表中列举的requests和
BeautifulSoup模块需要提前安装。
安装方法如下：
打开cmd命令提示符，输入pip install requests，按回车键开始下载安装。
打开cmd命令提示符，输入pip install beautifulsoup4，按回车键开始下载安装。
只要掌握了这些知识，就可以编写出符合我们需求的爬虫程序。
Python爬虫访问网页
三
三、Python爬虫访问网页
编写程序，让程序访问网络并获取我们需要的信息，这样的程序，我们把它叫做“网络爬虫”。
Python爬虫访问网页
三
首先，请从浏览器中打开“京东商城”的网页，页面上有很多书，每本书有书籍名、内容简介、好评数、作者、价格等信息，如下图所示：
在页面上点击右键，选择“查看页面源代码”，这些源代码就是一些纯文本。有如<html>…</html> , <head>…</head>，<span class=“title”>…<lspan>， <div class=“price”>…<ldiv>这些文本，它们叫Html标签，用来控制页面文本或者图片在网页中的显示，如下图所示：
Python爬虫访问网页
三
我们使用requests模块的get函数，可以获取这个页面的源代码。
Python爬虫访问网页
三
将上面代码保存为文件“我的课外读物.py”，然后执行。执行结果如下图所示：
通过上面代码中的五条语句获取到网页的源代码。但是我们不需要全部的内容，只需要书籍名称及它的好评数和价格、作者、内容简介等信息。
Python爬虫访问网页
三
仔细观察源代码，发现书籍名称代码中有一些相同的代码：
<spanclass=“title”>…</span>。这就是Html标签，书籍名称不同，但标签中的class=“title”却是相同的，我们使用class=“title”做关键字来查找书籍名。再找找好评数、价格和内容简介的标签与关键字，统一大小写、规范填写。如下表所示：
查找内容 起始标签 结束标签 关键字
书籍名 <span> </span> class="title"
内容简介
好评数
价格
<em>
</em>
class="curr"
<div>
</div>
class="p-commit"
<strong>
</strong>
cla
资源预览图
1
2
3
4
5
6
相关资源
由于学科网是一个信息分享及获取的平台，不确保部分用户上传资料的 来源及知识产权归属。如您发现相关资料侵犯您的合法权益，请联系学科网，我们核实后将及时进行处理。