怎么用python实现网络爬虫

要用Python实现网络爬虫，您可以使用第三方库requests和BeautifulSoup。以下是一个简单的网络爬虫示例，用于抓取网站上的标题和链接：

首先，确保您已经安装了这两个库。如果没有，请使用以下命令安装：

pip install requests
pip install beautifulsoup4

接下来，创建一个名为simple_crawler.py的Python文件，并在其中编写以下代码：

import requests
from bs4 import BeautifulSoup

def get_page(url):
    response = requests.get(url)
    if response.status_code == 200:
        return response.text
    else:
        print(f"Error: Unable to fetch page {url}")
        return None

def parse_page(html):
    soup = BeautifulSoup(html, "html.parser")
    titles = soup.find_all("h2") # 根据网页结构选择合适的标签
    links = soup.find_all("a")

    for title, link in zip(titles, links):
        print(title.get_text(), link["href"])

def main():
    url = input("Enter the URL of the website you want to crawl: ")
    html = get_page(url)
    if html:
        parse_page(html)

if __name__ == "__main__":
    main()

这个简单的网络爬虫会抓取用户输入的网址上的所有<h2>标题和<a>链接。请注意，这个示例仅适用于具有特定HTML结构的网站。您需要根据要抓取的网站的实际HTML结构来修改parse_page函数中的代码。

运行此脚本，然后输入要抓取的网站URL。爬虫将输出页面上的所有标题和链接。