- 简介
- 目录大纲
- 最新文档
01urllib库[了解]
urllib 是 Python 标准库中用于处理 URL 相关操作的核心模块集，无需额外安装即可使用，是实现简单网络爬虫、发送 HTTP 请求、解析 URL 等功能的基础工具。 它整合了多个子模块，覆盖从请求发送到异常处理、URL 解析的全流程，是新手学习网络爬虫时必须掌握的基础库之一。 概述 urllib 并非单一模块，而是由 4 个功能明确的子模块 组成，各模块分工协作，共同完成 URL...……
毛林 - 2025年9月7日 12:11
06Beautiful Soup
BeautifulSoup 是 Python 生态中最受欢迎的 HTML/XML 解析库，由 Leonard Richardson 开发，旨在简化从非结构化的网页源码中提取数据的过程。 能将复杂的 HTML/XML 文档转换为可导航的节点树，通过直观的 API 快速定位和提取标签、属性、文本等信息，是爬虫开发中解析网页内容的核心工具之一。 特点 作为专为数据提取设计的解析库，Beautifu...……
毛林 - 2025年9月7日 12:11
07Xpath语法
XPath（XML Path Language）是一种用于在 XML 和 HTML 文档中定位节点（元素、属性、文本等）的查询语言，由 W3C 制定。 目前最广泛应用的是XPath 1.0（1999 年发布），后续版本（XPath 2.0/3.0/3.1）虽增强了功能，但在主流解析工具（如 lxml、浏览器开发者工具）中，XPath 1.0 仍是支持最完善、使用最广泛的版本。 概念 XPat...……
毛林 - 2025年9月7日 12:11
08动态网页的处理
动态网页是指内容通过 JavaScript 动态生成、加载或修改的网页，其核心特点是：初始 HTML 中可能仅包含基础框架，实际数据（如列表、详情、交互结果）会在页面加载后通过 AJAX 异步请求、DOM 操作（如动态创建标签）或用户交互（如滚动、点击）触发加载。 动态网页的核心是 “内容随用户操作或数据变化而实时更新”。 与静态网页（内容一次性由服务器返回）相比，动态网页的处理难度更高...……
毛林 - 2025年9月7日 12:11
02requests库
requests 是 Python 生态中最受欢迎的第三方 HTTP 客户端库，由 Kenneth Reitz 开发，旨在替代原生的 urllib 库。 它以简洁的 API、人性化的设计和强大的功能著称，几乎成为 Python 网络请求（包括爬虫开发、API 调用等）的首选工具。 概述 requests 构建在 urllib3 之上，封装了复杂的 HTTP 处理逻辑，提供了更直观、更易用的接...……
毛林 - 2025年9月7日 12:11