久久精品国产亚洲高清|精品日韩中文乱码在线|亚洲va中文字幕无码久|伊人久久综合狼伊人久久|亚洲不卡av不卡一区二区|精品久久久久久久蜜臀AV|国产精品19久久久久久不卡|国产男女猛烈视频在线观看麻豆

    1. <style id="76ofp"></style>

      <style id="76ofp"></style>
      <rt id="76ofp"></rt>
      <form id="76ofp"><optgroup id="76ofp"></optgroup></form>
      1. 千鋒教育-做有情懷、有良心、有品質(zhì)的職業(yè)教育機構

        手機站
        千鋒教育

        千鋒學習站 | 隨時隨地免費學

        千鋒教育

        掃一掃進入千鋒手機站

        領取全套視頻
        千鋒教育

        關注千鋒學習站小程序
        隨時隨地免費學習課程

        當前位置:首頁  >  技術干貨  > re模塊在爬蟲中的應用

        re模塊在爬蟲中的應用

        來源:千鋒教育
        發(fā)布人:qyf
        時間: 2022-09-08 15:25:00 1662621900

          接下來給大家分享一下常用的正則表達式抓取網(wǎng)絡數(shù)據(jù)的一些技巧。

          抓取標簽間的內(nèi)容

          我們前幾篇文章給大家分享了urllib模塊和requests模塊是用來獲取網(wǎng)絡資源的兩個模塊,而我們獲取的網(wǎng)絡資源出了json的之外,都是跟HTML標簽打交道。我們往往要做的就是獲取標簽的內(nèi)容。比如我們獲取一下百度的title標題:

          import re

          import requests

          url = "http://www.baidu.com/"

          response = requests.get(url)

          response.encoding='utf-8'

          content = response.text

          # 此處使用findall結合正則表達式完成

          title = re.findall(r'', content)

          print(title[0])

          抓取超鏈接標簽間的內(nèi)容

          import re

          import requests

          url = "http://www.baidu.com/"

          response = requests.get(url)

          response.encoding='utf-8'

          content = response.text

          # 定義正則表達式獲取所有網(wǎng)頁的超鏈接

          res = r"<a.*?href=.*?<\ a="">"

          urls = re.findall(res, content)

          for u in urls:

          print(u)

          當然如果想獲取超鏈接中的內(nèi)容我們也可以使用正則表達式,只不過使用了分組的內(nèi)容就是()

          import re

          import requests

          url = "http://www.baidu.com/"

          response = requests.get(url)

          response.encoding='utf-8'

          content = response.text

          #獲取超鏈接之間內(nèi)容

          res = r'(.*?)'

          texts = re.findall(res, content, re.S|re.M)

          for t in texts:

          print(t)

          觀察結果:

        圖片3

          抓取標簽中的參數(shù)

          HTML超鏈接的基本格式為“鏈接內(nèi)容”,現(xiàn)在需要獲取其中的URL鏈接地址,方法如下:

          import re

          import requests

          url = "http://www.baidu.com/"

          response = requests.get(url)

          response.encoding='utf-8'

          content = response.text

          # 定義正則表達式獲取所有網(wǎng)頁的超鏈接

          res = r"<a.*?href=.*?<\ a="">"

          urls = re.findall(res, content)

          # 將所有的超級鏈接拼接成字符串

          all_urls = '\n'.join(urls)

          # 定義正則表達式

          res = r"(?<=href=)http:.+?(?=\>)|(?<=href=)http:.+?(?=\s)"

          # 查找符合規(guī)則的超級鏈接

          urls = re.findall(res, content, re.I|re.S|re.M)

          for url in urls:

          print(url)

          抓取圖片超鏈接標簽的URL

          HTML插入圖片使用標簽的基本格式為“”,則需要獲取圖片URL鏈接地址,下面???案例不僅獲取的圖片鏈接而且將圖片保存到了本地。

          import re

          import requests

          # 從網(wǎng)絡獲取一張圖片的html標簽

        QQ截圖20220908152641

          # 使用正則表達式獲取src后面的內(nèi)容

          m = re.match(r'

          print(m.group(1))

          image_path = m.group(1)

          # 如果想下載獲取的圖片鏈接我們結合requests和文件保存完成

          response = requests.get(image_path)

          # 獲取響應信息的內(nèi)容

          result = response.content

          # 獲取圖片名稱

          filename = image_path[image_path.rfind('%')+1:]

          path = os.path.join(r'images', filename)

          # 保存到本地將圖片

          with open(path, 'wb') as wstream:

          wstream.write(result)

          print('文件下載結束!')

        tags:
        聲明:本站稿件版權均屬千鋒教育所有,未經(jīng)許可不得擅自轉載。
        10年以上業(yè)內(nèi)強師集結,手把手帶你蛻變精英
        請您保持通訊暢通,專屬學習老師24小時內(nèi)將與您1V1溝通
        免費領取
        今日已有369人領取成功
        劉同學 138****2860 剛剛成功領取
        王同學 131****2015 剛剛成功領取
        張同學 133****4652 剛剛成功領取
        李同學 135****8607 剛剛成功領取
        楊同學 132****5667 剛剛成功領取
        岳同學 134****6652 剛剛成功領取
        梁同學 157****2950 剛剛成功領取
        劉同學 189****1015 剛剛成功領取
        張同學 155****4678 剛剛成功領取
        鄒同學 139****2907 剛剛成功領取
        董同學 138****2867 剛剛成功領取
        周同學 136****3602 剛剛成功領取
        相關推薦HOT
        軟件定制開發(fā)中的敏捷開發(fā)是什么?

        軟件定制開發(fā)中的敏捷開發(fā)是什么軟件定制開發(fā)中的敏捷開發(fā),從宏觀上看,是一個高度關注人員交互,持續(xù)開發(fā)與交付,接受需求變更并適應環(huán)境變化...詳情>>

        2023-10-14 13:24:57
        什么是PlatformIo?

        PlatformIO是什么PlatformIO是一個全面的物聯(lián)網(wǎng)開發(fā)平臺,它為眾多硬件平臺和開發(fā)環(huán)境提供了統(tǒng)一的工作流程,有效簡化了開發(fā)過程,并能兼容各種...詳情>>

        2023-10-14 12:55:06
        云快照與自動備份有什么區(qū)別?

        1、定義和目標不同云快照的主要目標是提供一種快速恢復數(shù)據(jù)的方法,它只記錄在快照時間點后的數(shù)據(jù)變化,而不是所有的數(shù)據(jù)。自動備份的主要目標...詳情>>

        2023-10-14 12:48:59
        服務器為什么要用Linux?

        服務器為什么要用Linux作為服務器操作系統(tǒng)的優(yōu)選,Linux在眾多選擇中脫穎而出。Linux作為服務器操作系統(tǒng)的優(yōu)選,有其獨特的優(yōu)勢和特點。包括其...詳情>>

        2023-10-14 12:34:11
        ORM解決的主要問題是什么?

        ORM(對象關系映射)解決的主要問題是將關系數(shù)據(jù)庫與面向?qū)ο缶幊讨g的映射困境。在傳統(tǒng)的關系數(shù)據(jù)庫中,數(shù)據(jù)以表格的形式存儲,而在面向?qū)ο?..詳情>>

        2023-10-14 12:26:19
        梓潼县| 惠来县| 嵊州市| 拉萨市| 厦门市| 饶河县| 晋城| 霍州市| 霍林郭勒市| 永川市| 巧家县| 梁平县| 金乡县| 罗源县| 长春市| 牟定县| 洛阳市| 读书| 阜南县| 桐柏县| 宿松县| 邓州市| 凉山| 大洼县| 永修县| 德江县| 呼和浩特市| 宾阳县| 布拖县| 文登市| 虞城县| 黄梅县| 都匀市| 沈丘县| 宁城县| 资中县| 扬中市| 贵南县| 洛浦县| 安乡县| 平舆县|