初中信息技术川教版（2019）九年级上册第1节爬取网络信息课文配套ppt课件

展开

这是一份初中信息技术川教版（2019）九年级上册第1节爬取网络信息课文配套ppt课件，共21页。PPT课件主要包含了课堂导入，明确任务，实现方法，课堂小结等内容，欢迎下载使用。

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Pythn网络爬虫的编写技术，学会处理和保存信息的方法。
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Pythn中使用requests模块访问网络，获取信息。
三、Pythn爬虫访问网页
网上有很多书目介绍的网站，我们以“京东商城”为例，网址是“”。我们可以用pythn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。
“我的课外读物”项目用Pythn爬虫编程实现所需知识和方法。
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BeautifulSup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 beautifulsup4，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。
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”。
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… , …，…，

…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：
我们使用requests模块的get函数，可以获取这个页面的源代码。
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。
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。如下表所示：

根据代码特征就可以从全部源代码中提取出我们需要的信息。这需要对txt文件中的“字符串”进行操作。七年级上学期我们了解到通过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。下面我们来进一步了解字符串。
字符串：在Pythn中，字符串通常都放在单引号或者双引号之间，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。
练习：请同学们运行下面的代码，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)strc="Let’s g!"strd=’’’欢欢说:“Let’s g!”’’’stre=”””乐乐说:’Let’s g!”””print(strc)print(strd)print(stre)
从上面的代码中运行结果可以看出，定文字符串有4种不同的方式，请同学们填写在下表中。
字符串较长，甚至有分段
拓展阅读：网络爬虫及其作用
网络爬虫，又被称为网页蜘蛛、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或脚本。网络爬虫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作事半功倍。所以，理解网络爬虫的基本原理，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。
Pythn爬虫访问网页
1. 使用requests模块获取信息2.使用BeautifulSup模块处理信息3.保存信息至文件4.使用pandas模块排序