一个爬虫利用正则匹配处理子页面的方式

hint=flag

于 2022-03-29 20:01:21 发布

阅读量310

点赞数

CC 4.0 BY-SA版权

文章标签： python

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/hintll/article/details/123829937

本文介绍了一种利用正则表达式进行网页爬取的方法，包括定位子页面链接、访问并抓取数据的过程。适用于初学者了解如何用简单的正则表达式实现网页信息的抓取。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

写一个爬虫利用正则匹配处理子页面的方式：
就三个步骤;
1、利用正则匹配寻找子页面的位置
2、从定位的地址中获取到子页面的链接
3、利用函数访问子页面，从源代码中爬取数据

正则匹配子页面的地址就是利用正则匹配寻找到页面文字链接在源代码中的位置，这个可以用.*？匹配

获取子页面链接需要到一点html的知识
在这里插入图片描述

这个代码表示在HTML里面***就是页面中定位的子页面的标题
点击这个标题后就会触发html进入超链接，超链接的地址就是href后面的url地址
即新的URL=老的URL+href
然后再在新的URL中再次正则匹配我们需要爬取的内容就可以啦

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。