python编写简单爬虫资料汇总

脚本专栏 2024/10/3 佚名

2 0 1

神剑山庄资源网 Design By www.hcban.com

　　爬虫真是一件有意思的事儿啊，之前写过爬虫，用的是urllib2、BeautifulSoup实现简单爬虫，scrapy也有实现过。最近想更好的学习爬虫，那么就尽可能的做记录吧。这篇博客就我今天的一个学习过程写写吧。

一正则表达式

　　正则表达式是一个很强大的工具了，众多的语法规则，我在爬虫中常用的有：

. 匹配任意字符（换行符除外） * 匹配前一个字符0或无限次 "font-size: 10pt; border-top: silver 1px solid; border-right: silver 1px solid; border-collapse: collapse; border-bottom: silver 1px solid; padding-bottom: 3px; text-align: center; padding-top: 3px; padding-left: 3px; border-left: silver 1px solid; padding-right: 3px">匹配前一个字符0或1次 .* 贪心算法 .*"font-size: 10pt; border-top: silver 1px solid; border-right: silver 1px solid; border-collapse: collapse; border-bottom: silver 1px solid; padding-bottom: 3px; text-align: center; padding-top: 3px; padding-left: 3px; border-left: silver 1px solid; padding-right: 3px">非贪心算法（.*"font-size: 10pt; border-top: silver 1px solid; border-right: silver 1px solid; border-collapse: collapse; border-bottom: silver 1px solid; padding-bottom: 3px; text-align: center; padding-top: 3px; padding-left: 3px; border-left: silver 1px solid; padding-right: 3px">将匹配到的括号中的结果输出 \d 匹配数字 re.S 使得.可以匹配换行符

　　常用的方法有：find_all()，search()，sub()

　　对以上语法方法做以练习，代码见：https://github.com/Ben0825/Crawler/blob/master/re_test.py

二 urllib和urllib2

　　urllib和urllib2库是学习Python爬虫最基本的库，利用该库，我们可以得到网页的内容，同时，可以结合正则对这些内容提取分析，得到真正想要的结果。

　　在此将urllib和urllib2结合正则爬取了糗事百科中的作者点赞数内容。

　　代码见：https://github.com/Ben0825/Crawler/blob/master/qiubai_test.py

三 BeautifulSoup

　　BeautifulSoup是Python的一个库，最主要的功能是从网页抓取数据，官方介绍是这样的：
　　Beautiful Soup 提供一些简单的、python 式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱,通过解析文档为用户提供需要抓取的数据,因为简单,所以不需要多少代码就可以写出一个完整的应用程序。
　　Beautiful Soup 自动将输入文档转换为 Unicode 编码,输出文档转换为 utf-8 编码。你不需要考虑编码方式,除非文档没有指定一个编码方式,这时,Beautiful Soup 就不能自动识别编码方式了。然后,你仅仅需要说明一下原始编码方式就可以了。
　　Beautiful Soup 已成为和 lxml、html6lib 一样出色的 python 解释器,为用户灵活地提供不同的解析策略或强劲的速度。

　　首先：爬取百度百科Python词条下相关的100个页面，爬取的页面值自己设定。

　　代码详见：https://github.com/Ben0825/Crawler/tree/master/python_baike_Spider

　　代码运行：

　　巩固篇，依据豆瓣中图书的标签得到一个书单，同样使用BeautifulSoup。

　　代码详见：https://github.com/Ben0825/Crawler/blob/master/doubanTag.py

　　运行结果：　　

　　　以上就是今天学习的一些内容，爬虫真的很有意思啊，明天继续学scrapy!

python,编写简单爬虫

标签：

python,编写简单爬虫

神剑山庄资源网 Design By www.hcban.com

神剑山庄资源网 免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com

神剑山庄资源网 Design By www.hcban.com

评论“python编写简单爬虫资料汇总”

暂无python编写简单爬虫资料汇总的评论...

P70系列延期，华为新旗舰将在下月发布

3月20日消息，近期博主@数码闲聊站透露，原定三月份发布的华为新旗舰P70系列延期发布，预计4月份上市。

而博主@定焦数码爆料，华为的P70系列在定位上已经超过了Mate60，成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢？
根据目前爆料的消息来看，华为P70系列将推出三个版本，其中P70和P70 Pro采用了三角形的摄像头模组设计，而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智，但辨识度绝对拉满。

更新日志

2024年10月03日

python编写简单爬虫资料汇总

python,编写简单爬虫

Python的Socket编程过程中实现UDP端口复用的实例分享

使用Python编写基于DHT协议的BT资源爬虫

评论“python编写简单爬虫资料汇总”

P70系列延期，华为新旗舰将在下月发布

更新日志

友情链接