Python爬网页需用requests+BeautifulSoup组合，注意加headers、处理编码、用开发者工具定位标签，应对简单反爬要延时和换UA，保存优先选CSV再转DataFrame，先确认网页是否静态渲染。
用Python爬网页数据不难，关键在选对工具、避开反爬、处理好编码和结构。下面从零开始，讲清楚怎么稳定抓取常见网页内容。
选对库：requests + BeautifulSoup 是入门黄金组合
requests 负责发请求、拿HTML；BeautifulSoup（简称BS4）负责解析HTML、定位数据。比原生urllib简洁，比Selenium轻量，适合静态页面。
- 安装命令：pip install requests beautifulsoup4
- requests.get() 要加 headers 模拟浏览器，否则很多网站直接返回403
- 中文网页记得用 r.encoding = 'utf-8' 或 r.apparent_encoding 防止乱码
定位数据：用开发者工具找对标签和选择器
别靠猜——按F12打开浏览器开发者工具（推荐Chrome），右键目标文字 → “检查”，看它在哪层div、class或table里。复制CSS选择器最省事。
- BS4常用方法：soup.find('div', class_='title') 或 soup.select('.news-list li a')
- 提取文本用 .get_text()，取链接用 .get('href')
- 多个结果用 .find_all()，再循环遍历
应对简单反爬：加延时、换User-Agent、处理Cookies
大多数新闻站、博客、企业官网只做基础防护。不用上代理或登录，几招就能绕过。
PHP与MySQL程序设计3
下载
本书是全面讲述PHP与MySQL的经典之作，书中不但全面介绍了两种技术的核心特性，还讲解了如何高效地结合这两种技术构建健壮的数据驱动的应用程序。本书涵盖了两种技术新版本中出现的最新特性，书中大量实际的示例和深入的分析均来自于作者在这方面多年的专业经验，可用于解决开发者在实际中所面临的各种挑战。 本书内容全面深入，适合各层次PHP和MySQL开发人员阅读，既是优秀的学习教程，也可用作参考手册。
立即学习“Python免费学习笔记（深入）”；
- 每次请求后加 time.sleep(1)，避免高频触发风控
- headers里至少带 'User-Agent'，可从真实浏览器中复制一段（如Chrome最新UA）
- 若需登录态，先用requests.Session()，调用login接口后自动携带cookies
保存结果：优先用CSV，结构化数据再转DataFrame
别一上来就pandas.to_csv——先用内置csv模块稳妥写入，验证数据格式正确后再升级。
- 写CSV示例：csv.writer(f).writerow([title, link, date])
- 后续想分析？用 pd.read_csv() 导入，缺失值用 dropna() 清洗
- 字段含换行或逗号？写入时设 quoting=csv.QUOTE_ALL
基本上就这些。真正卡住的往往不是代码，而是没看清网页是静态渲染还是JS加载——先右键“查看网页源代码”，搜关键词，找不到就是动态内容，得换Selenium或API方式。不复杂但容易忽略。
