h0ryit的博客

The Website is the API requests库 requests库的7个主要方法 requests.request 构造一个请求 requests.request(method,url,[**kwarges]) method：请求方式（get，post，put，patch，head，delete，option） url：url链接 **kwarges:...

京东商品爬取页面实例 import requests url = "https://item.jd.com/2967929.html" try: r =requests.get(url) r.raise_for_status() r.encoding = r.apparent_encoding print(r.text[:1000]) except: pr...

Beuatiful Soup bs类对应一个HTML/xml文档的全部内容 from bs4 import BeautifulSoup import bs4 soup=BeautifulSoup('<p>data</p>','html.parser') soup2 = BeautifulSoup(open(1.html),"html.parser") BS解...

信息组织与提取方法 信息标记的三种形式 xml 由HTML扩展而来的通用信息标记形式 实例 <person> <firstName>Tian</firstName> <lastName>Song</lastName> <address> <streeAddr&

实例1：中国大学排名爬虫 链接： http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html 功能描述： 输入：大学排名url链接 输出：大学排名信息的屏幕输出 技术路线：requests-bs4 定向爬虫：仅对输入url进行爬取，不扩展爬取 验证可行性 程序的结构设计 步骤1：从网络上获取大学排名网页内容 步骤2：提取网页内容...

正则表达式 语法 常用操作符 re库 import re re库的主要功能函数 re.search() re.search(pattern,string,flags=0) pattern - 正则表达式的字符串或原生字符串的表示 string - 待匹配的字符串 flag - 控制标记 re.match() re.match(patt...