前言

各位早安，書接上回我們已經搞定接下來會用到的套件的安裝了，套件是很強大的工具可以幫助我們簡化很多複雜程式碼，接下來今天我們要開始期待已久的開爬時間

但是在這之前 要麻煩你先做一件事
刪除之前的練習檔 string.py
為甚麼呢 這要從小弟我開心的測試爬蟲程式開始講起
有一天在運行我自己的 test.py 測試檔的時候不斷出現這個結果

我就覺得奇怪怎麼會這樣 還跑出小明跟小白 這超眼熟的阿
後來想起來這是之前練習檔案的內容
阿奇怪怎麼我執行的是 test.py 報錯就算了反而跑出別的檔案的內容呢
後來經過我反覆確認及思考 突然想通了 原來是我取的名字太爛干擾到系統抓資料了阿
難怪會跑出 string.py 的內容
所以麻煩大家為了不要遇到問題
先找到它

然後果斷按下刪除鍵吧

開爬-網頁抓取

首先第一步就是打開我們好久沒用到的 crawler.py 檔案編輯器
那在我們開爬之前我們要先知道我們想要抓取那些資訊
所以今天假設我是一個想了解股票資訊的年輕人
想要抓取PPT股票版的內容了解最近的事
所以首先找到目標網頁 url (網址)
複製下來
接著先 import 要用的套件功能 requests bs4
接著建個變數放 url

這裡補充一下在 python3 中 # (井字號) 後面的內容叫做註解 是不會被程式執行到的

接著我們要用 requests 內的方法把網頁內資料 GET 下來
再把它印出來看看

print(request.text) 意思是把 request 內的東西以文本形式印出
紅色框住的地方開始就是抓到的網頁內容 是 html 格式的網頁原始碼
我先提醒一下 這裡抓到的內容都是網頁實時更新的內容 你們跟我不一樣很正常

我們到目標網頁上看看原始碼

先對網頁點右鍵 再點檢視網頁原始碼

就會看到這樣的視窗 這就是剛剛網頁的 html 原始碼

跟剛剛我們爬蟲抓到的一樣

今天的程式碼

import requests
import bs4

url = "https://www.ptt.cc/bbs/Stock/index.html"
#抓PTT股票版的網頁原始碼
request = requests.get(url)
#將網頁資料利用requests套件GET下來
print(request.text)
#將網頁資料印出來

今天我們知道怎麼抓到資料
明天要來講解析這些資料的方法 還有怎麼抓取特定資料

早安閒聊區

你知道嗎?

就連聲控關燈也算是人工智慧喔

每日二選一

你覺得人工智慧發展下去會跟電影裡一樣毀滅人類嗎