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)

  • 纳税期限届满
  • 积分换物品是真的吗
  • 成立一般纳税人公司
  • 怎么根据实发工资算应发工资
  • 怎么查纳税人信用等级
  • 借款利息支出全部可以税前扣除吗
  • 购买的地下室管道多能退吗
  • 企业取得该项资产时实际发生的支出
  • 商业企业的购货运费计入什么
  • 所得税逾期未申报怎么处理
  • 现金交易的发票可以认证
  • 员工旅游费需要缴纳个人所得税吗
  • 12月份奖金怎么扣个税
  • 查账征收的成本费用
  • 个人股权激励收入计入年度综合个人所得税吗
  • 红字发票勾选平台里有吗
  • 货物和劳务
  • 个税免税收入和不征税收入
  • 清算期间企业所得税申报期限
  • 补缴房产税需要什么资料
  • 飞机票本身包含保险吗多少钱
  • 出纳员交接工作
  • macos itunes
  • 以租代购算固定资产吗
  • 购买商场储值卡能退么?
  • 手机客户端app使用
  • 航空业燃油附加率是多少
  • 税务稽查的进项税怎么处理
  • 工商银行电子回执单怎么查看
  • 工会经费相关问题有哪些
  • 公章是否必须备案
  • 数据分析实战
  • 数据挖掘技术介绍
  • 应交税费如何调整
  • 发票作废有费用吗
  • 公司购进软件的账务处理
  • 外汇核销是什么意思
  • 现金折扣什么时候冲减收入
  • 公司注销公章的处理
  • mysql用户权限详解
  • mongodb的语句
  • 应交税费减免税款的分录
  • 赠送代金券活动方案
  • 有形动产租赁服务的增值税税率
  • 房产税的纳税义务人是征税范围内房屋产权所有人
  • 个税征税对象包括哪些
  • 公司租赁职工车辆账务处理
  • 发出商品 会计科目
  • 防伪税控技术维护费普通发票怎么申报
  • 通行费电子发票进项税额如何填报
  • 外币业务的会计分录
  • 红冲发票如何做账
  • 经营租入的固定资产计入什么科目
  • 餐饮发票食品发票
  • 小规模其他业务收入交多少税率
  • sql server中数据类型怎么用
  • 开启win7
  • 如何安装win95系统
  • Netlib.exe - Netlib是什么进程 有什么用
  • sed 处理多行
  • linux对比文件夹差异
  • window高级启动会怎么样
  • 在linux系统中有一个重要的概念
  • Linux系统中如何复制虚拟机
  • win10大更新2021要多久
  • js判断手机浏览器设置了电脑版浏览
  • 细说javascript
  • node.js wss
  • 批处理显示
  • jquery示例
  • 检测ip地址命令
  • python 聚类算法包
  • JavaScript入门教程
  • js怎么拿到表单提交数据
  • 社保批扣和灵活就业批扣有什么区别
  • 一般纳税人收到普通发票怎么做分录
  • 电子税务局怎么添加开票员
  • 个人所得税税单下载
  • 地方税务局属于地市级还是副省级
  • 成都城镇居民社保怎么缴费
  • 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