python编写简单爬虫资料汇总
爬虫真是一件有意思的事儿啊，之前写过爬虫，用的是urllib2、BeautifulSoup实现简单爬虫，scrapy也有实现过。最近想更好的学习爬虫，那么就尽可能的做记录吧。这篇博客就我今天的一个学习过程写写吧。
一 正则表达式
正则表达式是一个很强大的工具了，众多的语法规则，我在爬虫中常用的有：
| . | 匹配任意字符（换行符除外） |
| * | 匹配前一个字符0或无限次 |
| ? | 匹配前一个字符0或1次 |
| .* | 贪心算法 |
| .*? | 非贪心算法 |
| （.*?) | 将匹配到的括号中的结果输出 |
| \d | 匹配数字 |
| re.S | 使得.可以匹配换行符 |
常用的方法有：find_all()，search()，sub()
对以上语法方法做以练习，代码见：https://github.com/Ben0825/Crawler/blob/master/re_test.py
二 urllib和urllib2
urllib和urllib2库是学习Python爬虫最基本的库，利用该库，我们可以得到网页的内容，同时，可以结合正则对这些内容提取分析，得到真正想要的结果。
在此将urllib和urllib2结合正则爬取了糗事百科中的作者点赞数内容。
代码见：https://github.com/Ben0825/Crawler/blob/master/qiubai_test.py
三 BeautifulSoup
BeautifulSoup是Python的一个库，最主要的功能是从网页抓取数据，官方介绍是这样的：
Beautiful Soup 提供一些简单的、python 式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱,通过解析文档为用户提供需要抓取的数据,因为简单,所以不需要多少代码就可以写出一个完整的应用程序。
Beautiful Soup 自动将输入文档转换为 Unicode 编码,输出文档转换为 utf-8 编码。你不需要考虑编码方式,除非文档没有指定一个编码方式,这时,Beautiful Soup 就不能自动识别编码方式了。然后,你仅仅需要说明一下原始编码方式就可以了。
Beautiful Soup 已成为和 lxml、html6lib 一样出色的 python 解释器,为用户灵活地提供不同的解析策略或强劲的速度。
首先：爬取百度百科Python词条下相关的100个页面，爬取的页面值自己设定。
代码详见：https://github.com/Ben0825/Crawler/tree/master/python_baike_Spider
代码运行：
巩固篇，依据豆瓣中图书的标签得到一个书单，同样使用BeautifulSoup。
代码详见：https://github.com/Ben0825/Crawler/blob/master/doubanTag.py
运行结果：
以上就是今天学习的一些内容，爬虫真的很有意思啊，明天继续学scrapy!
相关文章
Python中Timedelta转换为Int或Float方式
这篇文章主要介绍了Python中Timedelta转换为Int或Float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2022-07-07
这篇文章主要给大家介绍了关于python模块导入细节的相关资料，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，需要的朋友们下面随着小编来一起学习学习吧2018-12-12
函数是具有某种特定功能的代码块，可以重复使用(在前面数据类型相关章节。它使得我们的程序更加模块化，不需要编写大量重复的代码。本文将详细介绍Python中函数的定义与使用，感兴趣的可以学习一下2022-03-03
本文我们将通过示例为大家详细介绍如何在Python中使用selenium通过文本查找元素的方法,文中的示例代码讲解详细,感兴趣的小伙伴可以参考一下2023-11-11
这篇文章主要介绍了Python语言的12个基础知识点小结,包含正则表达式替换、遍历目录方法、列表按列排序、去重、字典排序等,需要的朋友可以参考下2014-07-07
这篇文章主要介绍了用Python实现职工信息管理系统,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，需要的朋友们下面随着小编来一起学习学习吧2020-12-12
这篇文章主要介绍了基于python实现把json数据转换成Excel表格,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2020-05-05
这篇文章主要介绍了langchain中的chat models介绍和使用实例详解，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，早日升职加薪2023-11-11
可能有人会想到,Python中既然可以直接通过父类名调用父类方法为什么还会存在super函数?其实,很多人对Python中的super函数的认识存在误区,本文我们就带来在Python编程中对super函数的正确理解和用法解析2016-07-07
在本篇文章里小编给大家整理的是关于python修改字典键（key）的方法以及相关知识点，需要的朋友们参考下。2019-08-08
最新评论