python3爬虫初探(三)之正则表达式
2017-10-09 15:19
225 查看
前面已经写了如何获取网页源码,那么接下来就是该解析网页并提取需要的数据了。这里简单写一下正则表达的用法。
首先,找个要抓取图片的网站,获取源码。
小黄人的图。。。接下来浏览器检查元素,发现图片源码格式,前面均为<img ,结尾均为 .jpg 而我们要提取的就是网址部分。
正则表达式如下:
首先,找个要抓取图片的网站,获取源码。
import requests import re # 获取网页源码 url = 'http://www.ivsky.com/tupian/xiaohuangren_t21343/' data = requests.get(url).text
小黄人的图。。。接下来浏览器检查元素,发现图片源码格式,前面均为<img ,结尾均为 .jpg 而我们要提取的就是网址部分。
正则表达式如下:
#正则表达式三部曲 #<img src="http://img.ivsky.com/img/tupian/t/201411/01/xiaohuangren-009.jpg" width="135" height="135" alt="卑鄙的我小黄人图片"> regex = r'<img src="(.*?.jpg)"'#匹配网址 pa = re.compile(regex)#转为pattern对象 ma = re.findall(pa, data)#findall 方法找到所有的符合pa的对象,添加到一个列表中并返回 print(ma)#图片网址列表 print(len(ma))#列表长度,即找到图片个数 #截取部分列表输出 #['http://img.ivsky.com/img/tupian/t/201411/01/xiaohuangren_tupian-007.jpg', 'http://img.ivsky.com/img/tupian/t/201411/01/xiaohuangren-009.jpg', 'http://img.ivsky.com/... #25
相关文章推荐
- python爬虫之正则表达式
- Python爬虫入门七之正则表达式
- Python爬虫urllib2笔记(三)之使用正则表达式提取百度贴吧网页中的楼主发的图片
- python爬虫(四)--python正则表达式
- Python爬虫 正则表达式
- Python抓取网页&批量下载文件方法初探(正则表达式+BeautifulSoup)
- Python 爬虫学习笔记之正则表达式
- Python爬虫实例(4)-用urllib、re和正则表达式爬取网页图片
- Python爬虫之正则表达式
- 【Python3 爬虫】07_正则表达式(原子)
- python爬虫常用正则表达式组合匹配
- 1.python爬虫基础——正则表达式
- Python 网络爬虫-正则表达式、BeautifulSoup、lxml三种提取方法
- Python3爬虫之入门和正则表达式
- python爬虫正则表达式之处理换行符以及其他
- python实现简单爬虫以及正则表达式简述
- Python学习之正则表达式初探
- python爬虫学习实践(一):requests库和正则表达式之淘宝爬虫实战
- python 爬虫4:正则表达式介绍
- Python爬虫之正则表达式基本用法实例分析