Python 爬虫实战：用 BS4 抓取百度首页标题（标签选择器与文本提取详解）

一、引言

在互联网时代，数据是驱动业务的核心资源。Python 作为一门高效且灵活的编程语言，凭借其丰富的库（如 requests 和 BeautifulSoup）成为网络爬虫开发的首选工具。本文将以百度首页为例，手把手教你如何使用 Python 的 BeautifulSoup4（简称 BS4）库，通过标签选择器和文本提取技术，完成对网页标题的抓取任务。

文章将从环境搭建、代码实现、调试技巧到扩展应用全面展开，帮助你掌握爬虫开发的核心技能。无论你是 Python 新手还是有一定基础的开发者，都能通过本文快速入门。

二、环境准备

2.1 安装依赖库

在开始编写代码之前，需要确保你的环境中安装了以下两个核心库：

• requests：用于发送 HTTP 请求并获取网页内容。
• beautifulsoup4：用于解析 HTML 文档并提取数据。

pip install requests beautifulsoup4

验证安装

在终端或命令行中输入以下命令，确认库是否安装成功：

import requests
from bs4 import BeautifulSoup
print("安装成功！")

2.2 目标分析

本次实战的目标是抓取百度首页的标题信息。百度首页的 URL 是 https://www.baidu.com，页面结构相对简单，适合初学者学习。通过分析页面源码，我们可以发现标题通常包含在