用Python輸出網頁標題

在我們每天的上網衝浪中，打開一個網頁的第一件事情，往往是看看這個網頁的標題。有時我們需要爬取一大批網頁，獲取它們的標題信息。在這篇文章中，我們將學習如何使用Python輸出網頁標題，從而輕鬆獲取網頁信息，加速我們的工作。

一、Python網頁輸出JSON

要獲取網頁標題，第一步將是爬取網頁HTML內容，使用Python中的’urllib’模塊可以很容易地實現這一點。在下面的代碼段中，我們用Python爬取嗶哩嗶哩的HTML內容，並將其輸出為JSON格式。

import urllib.request
import json

url = 'http://www.bilibili.com'
req = urllib.request.urlopen(url)
html = req.read()
charset = req.info().get('charset', 'utf-8')
html = html.decode(charset)
title = html[html.find('')]
result = {'url': url, 'title': title}
json_result = json.dumps(result, ensure_ascii=False)
print(json_result)

在上述代碼中，我們首先用Python的’urllib.request’模塊打開了嗶哩嗶哩網站，並讀取了其HTML內容。接著我們使用’json’模塊，將網站的網址和標題組合成了一個json對象。最後我們使用’json.dumps’將JSON對象轉換為JSON字元串，並使用’print’函數進行輸出。在這裡，我們使用了’ensure_ascii=False’，這樣可以確保有中文的網頁標題也可以被正確地輸出。

二、Python怎麼輸出中文標題

許多網站的標題可能包含中文字元。為了確保這些字元能夠被 Python 正確地讀取和輸出，我們需要確定它們所使用的編碼格式，並將 Python 的編碼格式設置為相同的格式。有時候，我們也需要對編碼格式進行轉換，將其轉換為 Python 可以讀取的編碼格式。在下面這個例子中，我們將使用 Python 來獲取網頁標題，並確保其正確地輸出中文字元。

import urllib.request
import chardet

url = 'http://www.163.com'
req = urllib.request.urlopen(url)
html = req.read()
encoding = chardet.detect(html)['encoding']
html = html.decode(encoding)
title_utf8 = html[html.find('')]
title_gbk = title_utf8.encode('utf-8').decode('gbk')
print(title_gbk)

在上述代碼中，我們使用了’chardet’模塊來猜測網頁HTML內容的編碼格式。接著我們使用這個編碼格式將網頁內容解碼成Unicode字元串。使用Unicode字元串，我們可以更加容易地處理網頁標題中的中文字元。然後我們使用UTF-8編碼格式將字元串編碼，再將它轉換為GBK編碼格式。最後，我們輸出了這個網站的標題。

三、Python獲取網頁標題

下面的代碼演示了如何使用Python獲取一個網站的標題。

import urllib.request

url = 'http://www.baidu.com'
req = urllib.request.urlopen(url)
html = req.read()
charset = req.info().get('charset', 'utf-8')
html = html.decode(charset)
title = html[html.find('')]
print(title)

在這個代碼段中，我們使用Python中的 urllib.request 來打開百度的網站，並讀取其HTML內容。接著，我們使用’infp().get’函數來獲取HTML的編碼格式，並將其用於解碼HTML。最後，我們使用字元串切片操作獲取百度網站的標題，並輸出它。

四、Python爬取網頁標題

下面我們演示一個完整的Python爬蟲程序，用於獲取一個網站的標題。

import requests
from bs4 import BeautifulSoup

url = 'http://www.sohu.com/'
r = requests.get(url)
r.encoding = r.apparent_encoding

soup = BeautifulSoup(r.text, 'html.parser')
title = soup.title.string

print(title)

在上述代碼中，我們首先使用’ requests ‘模塊獲取我們想要爬取信息的網站。接著，我們使用 BeautifulSoup 模塊解析HTML，並找到網站的標題。最終，我們輸出標題。

五、Python爬取網頁標題和日期

與獲取網頁標題類似，我們經常需要獲取網頁上的其他信息，例如發布的日期。接下來，讓我們看一個Python程序，它可以輸出網頁標題和發布日期。

import requests
from bs4 import BeautifulSoup

url = 'http://www.xinhuanet.com/politics/'
r = requests.get(url)
r.encoding = r.apparent_encoding

soup = BeautifulSoup(r.text, 'html.parser')
news_list = soup.find_all(class_='clearfix')
for news in news_list:
  title = news.find('a').attrs['title']
  date = news.find('span').string
  print('{} - {}'.format(title, date))

在這個代碼段中，我們首先使用’ requests ‘模塊獲取新華網政治新聞的網頁源代碼。接著，我們使用 BeautifulSoup 來解析HTML，找到所有帶有’class=”clearfix”‘屬性的標籤。對於每個新聞條目，我們使用’find’函數來找到該新聞的標題和發布日期，並使用’format’函數進行輸出。

結論

在這篇文章中，我們學習了如何使用Python輸出網頁的標題。無論你想要使用哪種方法來獲取標題，Python提供了大量可用的工具，可以方便，高效地進行網頁信息的獲取，使我們的工作更加快捷和便利。