本文介绍了如何使用Python爬取糗事百科，重点在于筛选出无图片的段子。通过正则表达式匹配发布人、日期、内容和点赞数，并过滤掉含有图片的条目。最终，程序将生成txt和xls文件，存储爬取的数据。
所需要引入的库，python版本号不同，加入#coding=gbk，避免正文中出现中文时报错。
爬取的内容，跟路径在开发者模式中选择
包裹的内容。 现在我们想获取发布人，发布日期，段子内容，以及点赞的个数。不过另外注意的是，段子有些是带图片的，如果我们想在控制台显示图片是不现实的，所以我们直接把带有图片的段子给它剔除掉，只保存仅含文本的段子。 所以我们加入如下正则表达式来匹配一下，用到的方法是 re.findall 是找寻所有匹配的内容。方法的用法详情可以看前面说的正则表达式的介绍。 好，我们的正则表达式匹配语句书写如下，在原来的基础上追加如下代码
现在正则表达式在这里稍作说明 1）.? 是一个固定的搭配，. 和代表可以匹配任意无限多个
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
