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)

  • 小规模企业所得税2023年税收政策
  • 月末转出未交增值税时应借记的科目是
  • 租的房子装修费如何入账
  • 个税填报后怎么撤销申报
  • 从合伙企业分回的经营所得 合伙企业 个人所得税
  • 处置其他权益工具投资时,应按取得的价款
  • 员工旅游费用可以税前扣除吗?
  • 一般纳税人差额征税申报表怎么填
  • 公积金贷款购房后可以提取公积金吗
  • 商业房产出租和租赁区别
  • 开具增值税专用发票承诺函
  • 出口收取佣金要开发票吗?
  • 易票365怎么认证发票
  • 物业公司收入多少钱
  • 苏州工会经费减半政策
  • 房地产土地成本计算公式
  • 软件企业超税负率怎么算
  • 建筑测量水准仪怎么读数
  • 资产置换会计准则
  • 报销伙食费的会计分录
  • 房地产转让的条件
  • Win11怎么关闭自动休眠
  • 计提增值税的会计科目
  • 固定资产的财务处理方法
  • 公司有长期挂账的权利吗
  • 跟踪路由如何实现
  • 纳税评估一般程序包括
  • 回迁房办产权证的时候需要交多少钱
  • 补交上年度增值税附加税,怎么做账
  • 完美替身好看吗
  • 哪些收入不列入交纳党费计算基数
  • vue中使用jsx语法
  • javascriptj
  • 上海地铁9号线一期工程
  • 库存盘亏进项税怎么抵扣
  • 增票的纳税人识别号是啥
  • 刷题笔贴吧
  • 纳税人异地预缴所得税
  • react生命周期执行顺序
  • 投资者控股性质
  • MSSQLSERVER不同版本设置开启远程连接(sa配置)
  • 暂时性差异的产生
  • 以前年度未处理往来账怎么叫
  • 进口设备 退税
  • 银行支付结算管理办法
  • 小规模增值税减按1%缴纳,如何申报
  • 跨年工程施工如何计算成本
  • 营业税差额征税范围
  • 带息票据为什么是贷财务费用
  • 餐饮服务属于什么职业
  • 无法启动diagnostic policy service服务
  • linux内核模块编译步骤
  • linux -al
  • win版本微信
  • 快捷键f1怎么用不了
  • WIN10如何禁用驱动程序强制签名
  • 用centos搭建服务器的详细教程
  • win10 sam文件下载
  • win8 电话激活
  • linux操作系统配置网络
  • vc6.0配置opengl设置目录路径
  • windows升级node版本
  • python模拟登录爬取数据
  • shader要学多久
  • jquery 图片插件
  • shell 1
  • javascript高级程序设计pdf百度云
  • unityui渲染顺序
  • android 属性动画改变view大小
  • jquery对话框组件
  • 获取intent传递的数据
  • 莱鸟人集团
  • javascript和html区别
  • javascript面向对象编程
  • javascript create
  • javascript 数组删除
  • 西安市交房要交多少钱
  • 南通医保2023年新政策
  • 水库淹没区耕地补偿标准
  • 发票真伪查询国税官网12366
  • 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