脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python爬虫运用正则表达式

Python爬虫运用正则表达式的方法和优缺点

 更新时间：2019年08月25日 10:22:08   作者：Charzueus  
这篇文章主要给大家介绍了关于Python爬虫运用正则表达式的相关资料，文中通过示例代码介绍的非常详细，对大家学习或者使用Python具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧

前言

我看到最近几部电影很火，查了一下猫眼电影上的数据，发现还有个榜单，里面有各种经典和热映电影的排行榜，然后我觉得电影封面图还挺好看的，想着一张一张下载真是费时费力，于是突发奇想，好像可以用一下最近学的东西实现我的需求，学习了正则表达式之后，想着要感受一下它在爬虫里面的效果和优缺点。

目标：爬取Top100榜单上电影的封面图

Top100榜单规则：将猫眼电影库中的经典影片，按照评分和评分人数从高到低综合排序取前100名，每天上午10点更新。相关数据来源于“猫眼电影库”。

下面是我做的步骤：

（1）查看页面元素，找到包含图片的路径的代码段落

（2）分析图片在web上面的唯一属性，便于之后获取正确图片位置信息

（3）因为需要翻页，观察多个页面的URL变化

（4）综合以上几个点，编写合适的正则表达式

 1、python 标准库中re模块提供了正则表达式的全部功能，直接引入；requests模块是http库，爬虫常用库，而urllib.requests 则是最后用到写入文件的函数

import re
import requests
import urllib.request

2、先接收URL地址的HTML页面，然后转化为str形式（正则表达式是匹配字符串），第一个pattern1缩小范围，抓取目标部分，result1接收匹配的结果，这时候所有封面图地址就在里面了

response = requests.get(url)
response = str(response.content)
patttern1 = '<dl class="board-wrapper">.+?<div class="pager-main">'
result1 = re.compile(pat).findall(response)

3、第二个正则，匹配图片的地址信息

pat2 = '<img data-src="https://(.+?\.jpg)'
photos = re.compile(pat1).findall(re1[0])

这时候爬取到100张图的信息，如下图：

 4、继续下一步，把每张图片命名好，需要正确的图片地址，避免重复 

x = 1
for imgurl in name:
 imgname = 'D:/Top 100/'+str(i/10)+str(x)+'.jpg'
 imgurl = 'https://'+imgurl
 urllib.request.urlretrieve(imgurl,filename=imgname)
 x += 1

 5、最后一步了，因为需要翻页爬取，所以加了一个循环，10页内容爬取下来

for i in range(0, 100, 10):
  url = 'http://maoyan.com/board/4?offset='+str(i)
  get_one_page(url, i)
  #定义函数，多次调用

相对来说，这是一个很简单的应用，也是自己学习之后的实践，在这个例子中，我是用到正则表达式来实现的，还有其他方法，而且可能简单，比如BeautifulSoup，XPath等方法，用在更加复杂的爬虫项目里面，需要的知识更多，方法更严谨，还需学习学习！

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对脚本之家的支持。

您可能感兴趣的文章:

相关文章

  • python utc datetime转换为时间戳的方法

    python utc datetime转换为时间戳的方法

    今天小编就为大家分享一篇python utc datetime转换为时间戳的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-01-01
  • python Selenium等待元素出现的具体方法

    python Selenium等待元素出现的具体方法

    在本篇文章里小编给大家分享的是一篇关于python Selenium等待元素出现的具体方法，以后需要的朋友们可以学习参考下。
    2021-08-08
  • python实现机器人卡牌

    python实现机器人卡牌

    这篇文章主要为大家详细介绍了python实现机器人卡牌，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2019-10-10
  • Flask框架运用Ajax实现数据交互的示例代码

    Flask框架运用Ajax实现数据交互的示例代码

    使用Ajax技术网页应用能够快速地将增量更新呈现在用户界面上，而不需要重载刷新整个页面，这使得程序能够更快地回应用户的操作，本文将简单介绍使用AJAX如何实现前后端数据通信
    2022-11-11
  • python实现的阳历转阴历（农历）算法

    python实现的阳历转阴历（农历）算法

    这篇文章主要介绍了python实现的阳历转阴历（农历）算法,需要的朋友可以参考下
    2014-04-04
  • python光学仿真实现光线追迹折射与反射的实现

    python光学仿真实现光线追迹折射与反射的实现

    这篇文章主要为大家介绍了python光学仿真实现光线追迹折射与反射的实现示例解析，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步
    2021-10-10
  • python 中的 BeautifulSoup 网页使用方法解析

    python 中的 BeautifulSoup 网页使用方法解析

    这篇文章主要介绍了python 中的 BeautifulSoup 网页使用方法解析，文章基于python的相关资料展开详细内容介绍，具有一定的参考价值需要的小伙伴可以参考一下
    2022-04-04
  • Jupyter notebook在mac:linux上的配置和远程访问的方法

    Jupyter notebook在mac:linux上的配置和远程访问的方法

    今天小编就为大家分享一篇关于Jupyter notebook在mac:linux上的配置和远程访问的方法，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧
    2019-01-01
  • python实现一行输入多个整数并排序输出

    python实现一行输入多个整数并排序输出

    这篇文章主要介绍了python实现一行输入多个整数并排序输出方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-02-02
  • Python实现语音转文本的两种方法

    Python实现语音转文本的两种方法

    这篇文章主要给大家介绍了关于Python实现语音转文本的两种方法,Python提供了许多工具和库来进行这些任务,本文通过实例代码介绍的非常详细,需要的朋友可以参考下
    2023-06-06

最新评论