这篇文章主要介绍了python爬虫 正则表达式解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
- re.I # 忽略大小写
- re.M # 多行匹配,将正则作用到源数据的每一行
- re.S # 单行匹配,将正则作用到整个源数据,输出一个整体字符串(包括换行符也打印)
string = '''fall in love with you i love you very much i love she i love her''' # 去除以i开头的每一行数据 re.findall('^i.*',string,re.M)
['i love you very much', 'i love she', 'i love her']
#匹配全部行 string1 = """细思极恐 你的队友在看书 你的敌人在磨刀 你的闺蜜在减肥 隔壁老王在练腰 """ re.findall('.*',string1,re.S)
['细思极恐\n你的队友在看书\n你的敌人在磨刀\n你的闺蜜在减肥\n隔壁老王在练腰\n', '']
爬取糗事百科中所有的图片进行保存
import requests import re import urllib import os url = 'https://www.qiushibaike.com/pic/page/%d/?s=5170552' # 自定义请求头信息 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' } # 判断是否存在名为qiutu的文件夹,如果不存在则创建文件夹 if not os.path.exists('./qiutu'): os.mkdir('./qiutu') # 手动输入开始页,结束页 start_page = int(input('start>>>')) end_page = int(input('end>>>')) for page in range(start_page,end_page+1): # 按照每页url形式拼接指定url new_url = format(url%page) # 发起请求 page_text = requests.get(url=new_url,headers=headers).text # 使用正则找出page_text页面中所有图片url img_url_list = re.findall('.*?',page_text,re.S) # 给每一个图片url添加https协议头 for img_url in img_url_list: img_url = 'https:' + img_url # 将图片url切割去除图片名称,作为存储时图片的名称 img_name = img_url.split('/')[-1] img_path = 'qiutu/' + img_name、 # 对图片做持久化存储 urllib.request.urlretrieve(url=img_url,filename=img_path) print(img_path,'下载成功') print('over')以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。