位置: 编程技术 - 正文

Python 爬虫学习笔记之正则表达式(python爬虫快速入门)

编辑:rootadmin

推荐整理分享Python 爬虫学习笔记之正则表达式(python爬虫快速入门),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:python爬虫教程推荐,python爬虫入门到精通,python爬虫入门教程,python爬虫从入门到精通,python爬虫自学系列,python爬虫基础教程,python爬虫入门教程,python爬虫入门,内容如对您有帮助,希望把文章链接给更多的朋友!

正则表达式的使用

想要学习 Python 爬虫 , 首先需要了解一下正则表达式的使用,下面我们就来看看如何使用。

. 的使用这个时候的点就相当于一个占位符,可以匹配任意一个字符,什么意思呢?看个例子就知道

注意了,我们首先导入了 re,这个时候大家猜一下输出结果是什么?因为 . 相当于一个占位符,所以理所当然的这个时候的输出结果是 wo 。

* 的使用跟上面的 . 不同,* 可以匹配前一个字符任意次数,看个例子

这个时候的输出结果是 ['', '', '', '', '', 'w', '', '', '', '', '', '', '', '', '', 'w', '', '', '', '', ''],可见是一个列表,长度和匹配的字符串一致,遇到要匹配的字符就打印出来。

.* 的使用.* 是一种组合使用,它可以尽可能多的匹配内容,比如下面这个例子

它会输出 ['helloworldhelloworldworld'],它为什么不只打印一个 helloworld,为什么全部打印下来了?这就是一种贪心算法,也就是说我要找到最长的那个符合条件的内容。

.*&#; 的使用与 上面相反,这个符号会找到尽可能短的符合条件的内容,然后放到一个列表中去,如下所示

输出的结果为 ['xxhelloworldxx', 'xxhelloworldxx'],可见,有个 xx 在前面好烦,怎么才能去掉呢?很简单,加个括号即可,括号加在哪?

以上我们讨论的都是内容不包含换行符的情况,如果有了换行符结果又会发生什么变化呢?

这个时候的输出结果为一个空列表,那怎么办啊?如果我们写网络爬虫的时候,网页源代码肯定不止是一行啊,如果换一行我们就读不出来了,那就好尴尬了,当然有解决办法~

这样就可以了,还有一个非常方便的提取数字的技巧,如下所示

Python 爬虫学习笔记之正则表达式(python爬虫快速入门)

在网页源代码中爬取图片链接并下载

这篇文章中只是网络爬虫的第一步,所以讲解的也比较浅,所以现在我们先来利用正则表达式实现一个手动的网络爬虫,什么是手动的呢?就是我们自己把网页源代码复制下来,保存在一个 txt 文件中,然后利用正则表达式去过滤信息,然后去下载。

首先我搜索了一下 Linux 桌面,然后找到了如下一个网页

右击查看网络源代码,按 ctrl+f 搜索 img src 找到中间一部分进行复制,并且粘贴到一个 txt 文件中去,

然后就可以利用我们上述的知识去提取我们想要的信息,源代码如下

首先打开我们保存网络源代码的 txt文件,进行读取,关闭文件流,然后就是利用正则表达式提取图片链接,最后利用requests 中的 get() 方法进行图片下载,注意这个 requests 不是Python 中自带的,我们需要下载指定的文件,然后将其放入到 Python 的Lib 目录下,此处下载,进入网站后,按ctrl+f 搜索关键词 requests 就可以看到如下页面

,可以看出,我们下载的是 .whl 后缀的文件,手动将其改成 .zip 后缀,然后解压,就可以得到两个目录,将名为 requests 的目录复制粘贴到上面讲的目录即可使用。

好了介绍完了,我们去看下运行结果

这个时候就下载成功了,到我们的 picture 目录下去查看下载的图片

下载成功了。注意,自己找网页源代码实验的时候,最好不要让链接中带有中文,否则可能会出现乱码,由于我本身学习 Python 也才很短的时间,关于中文乱码问题,应对起来还不是那么得心应手,所以在此也就不再讲解,本文暂时告以段落,有意见或疑问可留言或者私聊我。

Python 爬虫学习笔记之单线程爬虫 介绍本篇文章主要介绍如何爬取麦子学院的课程信息(本爬虫仍是单线程爬虫),在开始介绍之前,先来看看结果示意图怎么样,是不是已经跃跃欲试

Python 爬虫学习笔记之多线程爬虫 XPath的安装以及使用1.XPath的介绍刚学过正则表达式,用的正顺手,现在就把正则表达式替换掉,使用XPath,有人表示这太坑爹了,早知道刚上来就学习XPa

浅析Python中MySQLdb的事务处理功能 前言任何应用都离不开数据,所以在学习python的时候,当然也要学习一个如何用python操作数据库了。MySQLdb就是python对mysql数据库操作的模块。今天写了

标签: python爬虫快速入门

本文链接地址:https://www.jiuchutong.com/biancheng/384468.html 转载请保留说明!

上一篇:Python简单实现安全开关文件的两种方式(python中ans)

下一篇:Python 爬虫学习笔记之单线程爬虫(python爬虫从入门到精通)

  • 现代服务是可以做什么的
  • 小规模纳税人升级一般纳税人流程
  • 分成收入计入什么科目
  • 不征税收入有哪些增值税
  • 公司买的电器可以抵扣吗
  • 新个税系统如何操作
  • 专票小数点没打印齐能用吗
  • 增值税专用发票怎么开
  • 建筑业企业分包出克的是否能上报
  • 税控盘费用减免分录
  • 小企业净资产收益率
  • 分公司注销存货处理
  • 单位预付卡
  • 抵缴以前年度所得税怎么做?
  • 税务分析最常用的分析方法
  • 购车税务发票
  • 信托公司如何投资
  • 商场补贴申请怎么写
  • 劳务费个人所得税税率
  • 事业收入和经营收入的联系
  • 免税进口种子要符合哪些条件?
  • ServiceLayer.exe - ServiceLayer是什么进程 有什么用
  • 公司和个人分别交什么税
  • 合作社实际没有自产自销,但税务方面怎么可以提供证明
  • 住房公积金怎么补缴费
  • 【安装 】
  • 赤狐,荷兰 (© Wim Weenink/Minden Pictures)
  • php实现分页显示
  • Web渗透测试新手实操详解
  • 工装费用会计分录
  • 现金流量表相关题目
  • js获取当前日期的函数
  • 职工福利费属于短期薪酬吗
  • three.js gui
  • 金融资产或金融负债满足下列条件之一
  • 什么是完税证明?完税证明丢了怎么办公司
  • 免税的10万元是什么
  • 以前未入账固定资产补入账
  • 什么人适合单干
  • 企业电子承兑
  • 小规模纳税人是简易计税还是一般计税
  • 企业印花税的计算公式是什么
  • c#连接数据库的基本步骤是什么
  • 公司为职工承担社保费用
  • 小规模纳税人税率1%政策到什么时候
  • 不符合资本化的长期借款利息计入什么科目
  • 银行印鉴变更申请书范本
  • 支票存根联可以涂改吗
  • 销售折扣销货方式有哪些
  • 多计的人工成本怎么做账
  • 给员工发中秋福利的用词
  • 中药饮片盘点损耗率 法律
  • xp文件夹选项在哪里打开
  • xp系统直接开机
  • centos7如何修改用户名
  • u启动开机启动快捷键
  • win10快速访问在哪
  • linux pwdx命令
  • win8账户
  • linux下时间同步的两种方法分享
  • 错误代码0x8007007B
  • 怎么让微软账户获得所有权限
  • win7自带桌面时钟吗
  • 有没有免费的win10
  • 文件属性命令
  • win7怎么cmd
  • python 自定义sort
  • javascript ajax的5种状态介绍
  • perl后门,正向和反向!实例代码
  • js unload
  • 自定义控件英文
  • node.js中的http.request方法使用说明
  • jquery 输出
  • javascript 进阶篇2 CSS XML学习
  • android开发之apritag
  • javascript 对象
  • 工程咨询服务税需要每月缴纳吗
  • 残疾人交房产契税有优惠吗
  • 建筑业按多少税收
  • 长安cs752016款2.0手动
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设