初中信息技术川教版（2019）九年级上册第1节 爬取网络信息优秀课件ppt

这是一份初中信息技术川教版（2019）九年级上册第1节 爬取网络信息优秀课件ppt，文件包含新课标川教版2019信息技术九上31《爬取网络信息》课件pptx、新课标川教版2019信息技术九上31《爬取网络信息》教案docx等2份课件配套教学资源，其中PPT共21页， 欢迎下载使用。
新学期，欢欢的老师向欢欢推荐了很多的课外阅读书目，但是欢欢在浏览器上直接搜索得出的信息过于的杂乱繁多，欢欢只好向老师求助。
我有一个好办法。可以先用搜索引擎找到一个书目介绍网页，再用Pythn编写一个小程序，快速从这个网页上获取书籍的各种信息。
Pythn太强大了，可是我们应该怎么做呢？
接下来，我们就一步步的来完成这个任务。我们先来分析一下这个任务，并梳理出实现的方法
老师，搜索出来的网站好丰富。
网上类似的网站很多，我给你推荐一个网页“好书推荐”。网址是Ttpcalh /hashu bhm".你可以用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，最后得到你想要的信息。
嗯。我明白了！我们要做一个表格来存储书籍的各种信息
接下来，分析任务要达到的目标
我们按照以下流程进行： 1、搜索满足需求的网站； 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。
以上流程又可以进一步概括为获取信息、处理信息、保存信息、使用/分析信息等步骤
用Pythn编写爬虫软件
根据刚才的任务分析图，我们需要一些相关知识的辅助才能更好的完成任务如下表所示：
表中的知识与方法是我们编写好爬虫程序的基础，表中列举的requests模块、BeautifulSup模块请提前安装。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。
Requests模块是一个用于网络请求的模块，主要用来模拟浏览器发请求。类似的模块有很多，但是与requests模块相比较复杂得多。
BeautifulSup模块
Beautiful Sup 是一个可以从HTML或XML文件中提取数据的Pythn库。它能够通过你喜欢的转换器实现惯用的文档导航，查找，修改文档的方式。
三、Pythn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，这样的程序我们叫它“网络爬虫”。接下来我们就进行编写网络爬虫具体的操作。
首先，从浏览器中打开“好书推荐”的网页，网页出现了很多的搜索结果，包括每本书的书籍名、内容简介、好评数、作者、价格等信息。如下图：
而后， 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...,...,...,...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。如右图：
接着使用requests模块的ger函数，可获取以上页面的源代码。
获取“好书推荐”页面信息并显示的完整代码如下：imprt requests #引入Pythn中的网络访问库requestsres=requests.get( httplcalhst/hashu.html’) #使用requests模块的get函数访问网址res.encding='UTF-8 ’ #将获取到的内容，编码为UTF-8resTxt=res.text #页面源代码转码之后的内容赋值给resTxtprint(resTxt)
之后，将上一个步骤的代码保存文件“我的课外读物.py”，然后执行，可获得执行结果如下：
通过以上的操作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。
接下来，我们仔细观察源代码，发现书籍名称代码中有一些相同的代码:…。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：
最后，根据代码特征，就可以从全部源代码中提取我们需要的信息。这需要对txt文件中的“字符串”进行操作。在之前的学习中，我们了解过input函数获取到的数据默认是字符串类型，前面获取的页面源代码“resTxt”也是一个字符串。接下来我们来进一步的了解字符串。
字符串:在Pythn中，字符串通常都放在单引号或者双引号之中，如果字符串较长，甚至有分段，我们还可以使用三个单引号或者三个双引号，来将这种长字符串“包括”在其中。
请大家运行以下代码，观察运行结果，总结定义字符串的方式。
stra='我是字符串a'strb="我是字符串b"print(stra)print(strb)stre="Let' s g!"strd=""欢欢说:"Let' s g!""stre=""乐乐说:Let's g!""print(strc)print(strd)print(stre)
从上面代码中，可以看出，定义字符串有四种不同的方式，请填写在下表中：
拓展：请大家说一说什么是网络爬虫和它的作用
网络爬虫，又被称为网页蜘妹、网络机器人等。它的本质是一种按照一定的规则，自动爬取网络信息的程序成脚本。网络爬出帮助搜索引擎从互联网上读取网页，是搜索引擎最重要也是最基础的组成部分。
网络爬虫能快速、高效地帮助我们获取到有用的信息，特别是当我们需要从网络上大规模的获取某类信息时，网络爬虫将会使我们的工，事半功倍。所以，理解网络爬出的基本原理，甚至能够自己编写爬虫。是我们生活在信息时代应该具备的技能。
一、明确任务二、实现方法