川教版（2019）九年级上册第三单元我的课外读物——网络爬虫第1节爬取网络信息完整版ppt课件

展开

这是一份川教版（2019）九年级上册第三单元我的课外读物——网络爬虫第1节爬取网络信息完整版ppt课件，文件包含核心素养川教版2019信息技术九上31《爬取网络信息》课件pptx、核心素养川教版2019信息技术九上31《爬取网络信息》教案doc等2份课件配套教学资源，其中PPT共30页，欢迎下载使用。

随着信息技术的迅速发展，互联网上涌现大量信息，网络爬虫可以有效地筛选并提取我们需要的信息。本单元同学们将通过完成“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。
我有一个好方法。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双到书的各种信息。
老师，您给我们推荐了很多课外阅读书，我去网上查了一下，找到了书约内容简介、好评度和价格等信息，但是要一一去比较,好庥烦呢……
好呀！但你不要着急，我们需要一步一步来完成这个任务。我们先来分析一下这个任务并梳理出实现的方法。
Pythn真是太强大了。老师，快给我们讲讲怎么做吧！
01.分析任务要达到的目标。
02.学会将任务分解成小任务并梳理出方法和步骤
03.学会在Pythn中使用requests模块访问网络，获取信息
嗯，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“httplcalhst/hashu.html"。
老师，我搜索了一下，有很多书目介绍的网站呢。
这个网页上有好多书的介绍，还有好评数和价格呢。
对，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，最后得到你起要的信息。
嗯，我明白了！我们要做一个表格来存储书籍的各种信息，如表3-1-1所示。
表3-1-1 书籍信息清单表
上面的过程可概括为获取信息、处理信息、保存信息、使用/分析信息等步骤。可以用这几个步骤来分析上面描述的过程，如图3-1-1所示。
请同学们想一想，上图的括号中你觉得填入什么词合适呢?
根据上面的任务分析图，我们需要一些相关的知识才能完成各任务,如表3-1-2所示。
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。
(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”。
首先，请从浏览器中打开“好书推荐”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，如图3-1-2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，如图3-1-3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。
哇！好复杂！我们写爬虫程序是不是先要用程序把这些源代码“取”下来呢?
获取“好书推荐”页豆信息并显示的完整代码如下：
将上面代码保存为文件“我的课外读物.py”，然后执行。执行结果如图3-1-4所示。
通过上面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="uitle”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。如表3-1-3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‘xt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。
请同学们运行下面代码，观察运行结果，总结定义字符串的方式。
从上面代码中，可以看出，定义字符串有4种不同的方式，请填写在下表中，如表3-1-4所示。
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。