网络数据采集——BeautifulSoup与正则表达式

最新推荐文章于 2024-07-04 22:59:03 发布

原创最新推荐文章于 2024-07-04 22:59:03 发布 · 1.6k 阅读

1 ·

CC 4.0 BY-SA版权

python网络数据采集笔记专栏收录该内容

5 篇文章

订阅专栏

本文介绍了如何使用Python的urllib和BeautifulSoup库从网页中抓取特定格式的图片。通过正则表达式筛选所需的图片链接，并对re.compile函数进行了说明。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from urllib.request import urlopen
from bs4 import BeautifulSoup
import re
html = urlopen("http://www.pythonscraping.com/pages/page3.html")
bsObj = BeautifulSoup(html)
images = bsObj.findAll("img",{"src":re.compile("\.\.\/img\/gifts/img.*\.jpg")})  //匹配../img/gifts/img(任意单个字符).jpg
for image in images:
    print(image["src"])

函数re.compile将正则表达式（以字符串书写的）转换为模式对象，可以实现更加有效的匹配。

例子：

import re

text = "JGood is a handsome boy, he is cool, clever, and so on..."

re.findall(r'\w*oo\w*', text) #查找所有包含'oo'的单词

python正则表达式 re （二）compile