IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> 爬取数据三种方法数据解析 -> 正文阅读

[Python知识库]爬取数据三种方法数据解析

re模块数据解析

re模块使用1

import re

lst = re.findall(r"\d+","电话是;13220677880 , 我的电话是:18715211308")
print(lst)#直接打印出全部


lt = re.finditer(r"\d+","电话是;13220677880 , 我的电话是:18715211308")
for i in lt:#迭代器,一个一个返回
    print(i.group())


s = re.search(r"\d+","电话是;13220677880 , 我的电话是:18715211308")
print(s.group()) #只返回一个结果

#预加载
obj = re.compile(r"\d+")
lst1 = obj.finditer("电话是;13220677880 , 我的电话是:18715211308")
for i in lst1:
    print(i.group())

re模块使用2

import re

S = """
    <div class='aa'><span id='1'>刘浩伟</span></div>
    <div class='bb'><span id='2'>马云a啊</span></div>
    <div class='cc'><span id='3'>马化腾</span></div>
    <div class='dd'><span id='4'>李彦宏</span></div>
    <div class='ee'><span id='5'>张一鸣</span></div>
    <div class='ff'><span id='6'>刘强东</span></div>
"""

#obj1 = re.compile(r"<div class='.*?'><span id='\d+'>.*?</span></div>", re.S)
#result1 = obj1.finditer(S)
#for it in result1:
#    print(it.group())



obj2 = re.compile(r"<div class='(?P<English>.*?)'><span id='(?P<id>\d+)'>(?P<name>.*?)</span></div>", re.S)
result2 = obj2.finditer(S)
for it in result2:
    print(it.group("English"))
    print(it.group("id"))
    print(it.group("name"))

电影天堂爬取1

import requests
import re

domain = "https://www.dytt8.net"

resp = requests.get(domain, verify=False)

resp.encoding = 'gb2312'

obj1 = re.compile(r"最新电影更新.*?<ul>(?P<name>.*?)</ul>", re.S)
obj2 = re.compile(r"<a href='(?P<href>.*?)'", re.S)
obj3 = re.compile(r'◎片  名(?P<filmname>.*?)<br />.*?<a '
                  r'target="_blank" href="(?P<dowload>.*?)">')
result1 = obj1.finditer(resp.text)

film_list = []

for i in result1:
    name = i.group('name')
    result2 = obj2.finditer(name)
    for it in result2:
        film = domain + it.group('href').strip("/")
        film_list.append(film)

for film in film_list:
    film_resp = requests.get(film, verify=False)
    film_resp.encoding = 'gb2312'
    result3 = obj3.search(film_resp.text)
    print(result3.group("filmname"))
    print(result3.group("dowload"))
    print("over!")

电影天堂爬取2

import requests
import re

domain = "https://www.dytt8.net"

resp = requests.get(domain, verify=False)

resp.encoding = 'gb2312'

obj1 = re.compile(r"最新电影更新.*?<ul>(?P<name>.*?)</ul>", re.S)
obj2 = re.compile(r"<a href='(?P<href>.*?)'>.*?年(?P<filmname>.*?)</a><br/>", re.S)

result1 = obj1.finditer(resp.text)

film_list = []

for i in result1:
    name = i.group('name')
    f = open("filmlist.txt", "w", encoding='gb2312')
    f.write(domain + name)
    f.close()

print("over!")

bs4模块数据解析

bs4爬取图片

import requests
from bs4 import BeautifulSoup

url = "http://www.netbian.com/weimei/"

resp = requests.get(url)

resp.encoding = "gbk"

main_page = BeautifulSoup(resp.text, "html.parser")

alist = main_page.find("div", class_="list").find_all("a")

for i in alist:
    href = "http://www.netbian.com" + i.get('href')
    child_page_resp = requests.get(href)
    child_page_resp.encoding = "gbk"
    child_page_text = child_page_resp.text
    child_page = BeautifulSoup(child_page_text, "html.parser")
    p = child_page.find("div", class_="endpage")
    img = p.find("img")
    src = img.get("src")
    img_resp = requests.get(src)
    img_name = src.split("/")[-1]
    with open("img/"+img_name,mode="wb") as f:
        f.write(img_resp.content)
        print("over!!!", img_name)

xpath数据解析

xpath解析猪八戒

注意: pythoin3.5以后的版本etree时需要像下面我的代码一样引用不能再直接在lxml模块中直接引用了,python3.5以前的版本可以直接在lxml模块中引用。

import requests
from lxml import html
etree = html.etree

url = "https://zibo.zbj.com/search/f/?kw=saas"

resp = requests.get(url)

html = etree.HTML(resp.text)

divs = html.xpath("/html/body/div[6]/div/div/div[2]/div[5]/div[1]/div")
for div in divs:
    price = div.xpath("./div/div/a/div[2]/div[1]/span[1]/text()")
    title = div.xpath("./div/div/a/div[2]/div[2]/p/text()")
    print(title)

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-09-12 13:07:15  更:2021-09-12 13:08:56 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/15 14:53:02-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码