task2正则表达式

最新推荐文章于 2025-08-28 20:36:10 发布

原创最新推荐文章于 2025-08-28 20:36:10 发布 · 163 阅读

0 ·

CC 4.0 BY-SA版权

博客涉及元字符、re模块函数、分组和贪婪等内容，因之前已有笔记未详细书写。重点是作业部分，包括找到电影名称对应HTML文本、用Request库获取网页文本、用正则表达式提取电影名称，还使用for循环爬取前三页电影名称。

元字符

re模块函数

分组和贪婪

由于这些部分我之前写过笔记，在这里就不写了。

作业

找到各个电影名称对应的HTML文本

在这里插入图片描述

使用Request库获取网页文本

infos=soup.find('ol',{'class':"grid_view"}).find_all('li')
print(infos)

在这里插入图片描述

使用正则表达式，提取文本中的电影名称

for info in infos:
    title=info.find('div',{'class':"hd"}).find('span',{'class':'title'}).get_text()
    print(title)

在这里插入图片描述

使用for循环，爬取前三页的电影名称

import requests
import re
from bs4 import BeautifulSoup

for i in range(10):
    url= 'https://movie.douban.com/top250?start=%d&filter='% (i*25)
#     print(url)
    resp =requests.get(url)
    html =resp.text
    soup=BeautifulSoup(html,'html.parser')
#     print(soup)
    infos=soup.find('ol',{'class':"grid_view"}).find_all('li')
#     print(infos)
    for info in infos:
        title=info.find('div',{'class':"hd"}).find('span',{'class':'title'}).get_text()
        print(title)

直接爬取了全部

在这里插入图片描述