zz60708320的博客

爬虫基本原理 爬虫：请求网站并提取数据的自动化程序 请求 提取 自动化 爬虫基本流程 1、发起请求 通过HTTP库向目标站点发起请求，即发送一个Request，请求可以包含额外的headers等信息的，等待服务器响应 2、如果服务器能正常响应，会得到一个Response，Response的内容便是所要获得的页面内容，类型可能有HTML,Json字符串，二进制数据（如图片视频）等类型 3、解析内容 ...

正则表达式是一个特殊的字符序列，可以用于检测一个字符串是否与我们所设定的字符串相匹配。 re库 1、findall(pattern,string,flags)：用来匹配正则表达式 pattern：正则表达式 string：要进行匹配的字符串 flags：匹配的模式 结果为一个所匹配内容的列表 语法规则： ’ \d '：标识匹配单个0-9的数字 ’ \D '：与 \d 相反，匹配数字以外的内容 如果...

Urllib库详解 Python内置的HTTP请求库 urllib.request：请求模块 urllib.error：异常处理模块 urllib.parse：url解析模块 urllib.robotparser：robot.txt解析模块 内置函数 请求 1、发送请求 urlopen（url,data=None,[timeout,]*） 注意：data类型需为bytes类型 响应 2、获取响应...