Python定向爬虫入门

本文介绍了Python爬虫的基础知识,包括正则表达式的符号与方法,如点号、星号、问号的使用,以及findall、search、sub等。通过实例演示了如何使用正则提取网页内容。接着讲解了Python单线程爬虫,包括requests库的介绍与安装、制作网页爬虫、向网页提交数据,最后分享了一个简单的爬虫实战案例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、基本的正则表达式

正则表达式用来提取爬虫中需要的公共要素

1、正则表达式符号与方法

在这里插入图片描述
常用符号:点号、星号、问号与括号
常用方法:findall、search、sub

.:匹配任意字符,换行符\n除外
:匹配前一个字符0次或无限次
?:匹配前一个字符0次或1次
.
:贪心算法(吃尽可能的东西)
.*?:非贪心算法(像婴儿少量多餐)
():括号内的数据作为结果返回

findall:匹配所有符合规律的内容,返回包含结果的列表
search:匹配并提取第一个符合规律的内容,返回一个正则式表达对象(object)
sub:替换符合规律的内容,返回替换后的值

Python中正则表达式的库文件
import re

点号的使用:
a=‘xy123’
b=re.findall(‘x.’ , a)
print b #xy

c=re.findall(‘x…’ , a)
print c #xy1
点就是占位符,几个点就是几个符号

星号的使用:
a=‘xyxy123’
b=re.findall(‘x*’ , a)
print b #[‘x’,’’,‘x’,’’,’’,’’,’’,’’,’’]
匹配前面的字符,并查找出所有位置

问号的使用:
a=‘xy123’
b=re.findall(‘x?’ , a)
print b #[‘x’,’’,’’,’’,’’,’’,’’,’’]

*.的使用:
search_code=‘hahfajxxixxfalflsjfslfjslfjxxlovexxljsljfsxxyouxxsjflsdjflsj’

a=re.findall(‘xx.*xx’, search_code)
print(a)
#[‘xxixxfalflsjfslfjslfjxxlovexxljsljfsxxyouxx’]
.*在满足规则时,能找多少找多少

.*?的使用:
b=re.findall('xx.?xx’, search_code)
print(b)
#[‘xxixx’,‘xxlovexx

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

evil_xue

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值