python爬虫利用正则提取指定网页信息

最新推荐文章于 2024-10-15 10:30:00 发布

原创

最新推荐文章于 2024-10-15 10:30:00 发布 · 3.9k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#python #正则 #爬虫 #数据清洗 #网络

本文介绍了如何运用Python正则表达式从复杂的HTML代码中提取所需信息，通过实例展示了正则表达式的应用，成功提取出网页中的歌曲名称，并强调了正则学习的挑战与重要性，鼓励读者通过不断练习提升爬虫技能。

今天练习了一下正则表达式，从结构比较复杂的html代码中，提取出想要的信息

html = '''
    <div id="songs-list">
    <h2 class="title">流行金曲</h2>
    <p class = "introduction">经典歌曲列表</p>
    <ul id="list" class="list-group">
        <li data-view="2">一路上有你</li>
        <li data-view="7">
            <a href="/2.mp3" singer="任贤齐">沧海一声笑</a>
        </li>
        <li data-view="4" class="active">
            <a href="/3.mp3" singer="齐秦">往事随风</a>
        </li>
        <li data-view="6"><a href="/4.mp3" singer="beyond">光辉岁月</a></li>
        <li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li>
        <li data-view="5">
            <a href="/6.mp3" singer="邓丽君"><i class="fa fa-user"></i>但愿人长久</a>
        </li>
    </ul>
</div>    
'''

代码虽然不多，但是里面嵌套关系相对复杂，很具有代表性，所以拿出来与大家分享一下。同时也为自己在爬虫的路上，留下一些笔记，以供日