guoxuying的博客

用python爬虫爬取2020年中国大学排行话不多说，直接上代码：from bs4 import BeautifulSoup # 网页解析 获取数据import re # 正则表达式 进行文字匹配import urllib.request, urllib.error # 制定url 获取网页数据import xlwtdef main(): baseurl = "http://m.gaosan.com/gaokao/265440.html" datalist = getD

正则表达式的使用一、为什么要学正则表达式？实际上爬虫一共就四个主要步骤：（1）明确目标 (要知道你准备在哪个范围或者网站去搜索)（2）爬 (将所有的网站的内容全部爬下来)（3）取 (去掉对我们没用处的数据)（4）处理数据（按照我们想要的方式存储和使用）我们down下了的数据是全部的网页，这些数据 很庞大并且很混乱，大部分的东西使我们不关心的，因此我们需要将之按我们的需要过滤和匹配出来。那么对于文本的过滤或者规则的匹配，最强大的就是正则表达式，是Python爬虫世界里必不可少的神兵利器。什么是

正则表达式详细讲解正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在Perl中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由Unix中的工具软件（例如sed和grep）普及开的。正则表达式通常缩写成“regex”，单数有regexp、regex，复数有regexps、re