Python爬虫与格式化输出-优快云博客

本文链接：https://blog.youkuaiyun.com/cjz0422/article/details/135618519

本文介绍了Python爬虫的基础知识，包括Beautiful Soup4库的使用、正则表达式的概念和常见模式，以及如何在Scrapy框架下进行网页抓取和数据存储。还探讨了Python的格式化输出，如数字、百分比、对齐方式的设置。同时，讲解了yield关键字在生成器中的作用，以及Scrapy如何将数据保存到JSON文件。最后，提到了self.parse与self.parse()的区别，以及如何通过获取下一个URL地址来遍历多个网页。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基础知识点
python格式化
python格式化
数字格式化
python
print("{:.2f}".format(3.1415926))#设置两位小数
print("{:.2%}".format(0.25))#百分比
print("{:^10}".format("aaaaa"))#居中
print("{:<10}".format("aaaaa"))#左对齐
print("{:>10}".format("aaaaa"))#右对齐

结果
python 3.14 25.00% aaaaa aaaaa aaaaa

中文输出排版

print("{0:{1}^10}".format("感悟",chr(12288)))#居中
print("{0:{1}^10}".format("你是不是",chr(12288)))#居中
print("{0:{1}^10}".format("哈哈哈",chr(12288)))#居中
print("{0:{1}^10}".format("你是环境吗",chr(12288)))#居中
print("{0:{1}^10}".format("很额额哈鸡儿哈酒",chr(12288)))#居中

python爬虫知识点
Beautiful Soup4库
安装BeautifulSoup4库
- 导入：from bs4 import BeautifulSoup
正则表达式
正则表达式是用来简洁表达一组字符串的表达式。
主要用在字符串匹配中
正则表达式常用字符串
. 表示任何单个字符
[] 字符集，对单个字符给出取值范围，例：[abc]表示a，b，c中的一个，[a-z]表示a到z中的一个字符
[^]非字符集，对单个字符给出排除范围，例[^abc]表示非a或b或c的单个字符
前一个字符0次或无线次扩展，例abc*表示ab、abc、abcc、、、
前一个字符1次或无限次扩展，例abc+表示abc、abcc、、、、
？前一个字符0次或者1次扩展，例abc？表示ab、abc
| 左右表达式任意一个，例abc|def表示abc、def
{m} 扩展前一个字符m次，例ab{2}c表示abbc
{m，n}扩展前一个字符m至n次（含n），例ab{1,2}c表示abc，abbc
^ 匹配字符串开头，例^abc表示abc且在一个字符串的开头
$ 匹配字符串结尾
（）分组标记，内部只能使用|操作符，例（abc）表示abc，