python爬蟲 正則表達式解析
這篇文章主要介紹了python爬蟲 正則表達式解析,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習或者工作具有一定的參考學(xué)習價值,需要的朋友可以參考下
- re.I # 忽略大小寫
- re.M # 多行匹配,將正則作用到源數(shù)據(jù)的每一行
- re.S # 單行匹配,將正則作用到整個源數(shù)據(jù),輸出一個整體字符串(包括換行符也打?。?/p>
string = '''fall in love with you
i love you very much
i love she
i love her'''
# 去除以i開頭的每一行數(shù)據(jù)
re.findall('^i.*',string,re.M)
['i love you very much', 'i love she', 'i love her']
#匹配全部行
string1 = """細思極恐
你的隊友在看書
你的敵人在磨刀
你的閨蜜在減肥
隔壁老王在練腰
"""
re.findall('.*',string1,re.S)
['細思極恐\n你的隊友在看書\n你的敵人在磨刀\n你的閨蜜在減肥\n隔壁老王在練腰\n', '']
爬取糗事百科中所有的圖片進行保存
import requests
import re
import urllib
import os
url = 'https://www.qiushibaike.com/pic/page/%d/?s=5170552'
# 自定義請求頭信息
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.119 Safari/537.36'
}
# 判斷是否存在名為qiutu的文件夾,如果不存在則創(chuàng)建文件夾
if not os.path.exists('./qiutu'):
os.mkdir('./qiutu')
# 手動輸入開始頁,結(jié)束頁
start_page = int(input('start>>>'))
end_page = int(input('end>>>'))
for page in range(start_page,end_page+1):
# 按照每頁url形式拼接指定url
new_url = format(url%page)
# 發(fā)起請求
page_text = requests.get(url=new_url,headers=headers).text
# 使用正則找出page_text頁面中所有圖片url
img_url_list = re.findall('<div class="thumb">.*?<img src="(.*?)" alt=.*?</div>',page_text,re.S)
# 給每一個圖片url添加https協(xié)議頭
for img_url in img_url_list:
img_url = 'https:' + img_url
# 將圖片url切割去除圖片名稱,作為存儲時圖片的名稱
img_name = img_url.split('/')[-1]
img_path = 'qiutu/' + img_name、
# 對圖片做持久化存儲
urllib.request.urlretrieve(url=img_url,filename=img_path)
print(img_path,'下載成功')
print('over')
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
Python面向?qū)ο笾甒eb靜態(tài)服務(wù)器
這篇文章主要為大家詳細介紹了Python面向?qū)ο笾甒eb靜態(tài)服務(wù)器,具有一定的參考價值,感興趣的小伙伴們可以參考一下2019-09-09
PyCharm 安裝與使用配置教程(windows,mac通用)
很多小伙伴下載安裝PyCharm后不會使用,這篇文章詳細介紹了PyCharm安裝與使用教程(windows,mac通用),需要的朋友可以參考下2021-05-05
Python3 pyecharts生成Html文件柱狀圖及折線圖代碼實例
這篇文章主要介紹了Python3 pyecharts生成Html文件柱狀圖及折線圖代碼實例,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習或者工作具有一定的參考學(xué)習價值,需要的朋友可以參考下2020-09-09

