爬虫正则表达式遇到的困难

我看了CSDN和博客园，代码。除去格式以外。如果能够保存照片就好啦。

我观察数据大多存放在<p>标签里面。现在如果能够去掉p标签的同时。保留住<img>标签就好啦。
【感觉要用正则表达式】
我拿出这两个链接，你可以看看：
CSDN:https://blog.csdn.net/darkhq/article/details/88989236
博客园：https://www.cnblogs.com/anbus/p/10148852.html

以CSDN为例子：

<p><img alt="" class="has" height="449" src="https://img-blog.csdnimg.cn/20190403103117694.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0RhcmtIUQ==,size_16,color_FFFFFF,t_70" width="738" /></p>

主要就是，既要保留img标签里面的图片链接。又要去掉所有的其他标签、

查找来筛选：

src="https://img-blog.csdnimg.cn/20190403103117694.png?x-oss-

结果有一个双引号。【虽然留着也可以】

但是，我并不想保留。

头大了好久，终于看到了一个用单引号包裹着的。

于是，我就想试试。结果成功了！

p = re.findall('src="(.*?)"/>', str(p))#匹配！

传送：

https://blog.csdn.net/weixin_42859280/article/details/104868547

https://blog.csdn.net/weixin_42859280/article/details/104868459

爬虫正则表达式遇到的困难相关推荐

python爬虫正则表达式实例-python爬虫正则表达式解析
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 ...
【笔记】5、初学python3网络爬虫——正则表达式的基本使用
python3网络爬虫--正则表达式的基本使用学习指引:视频教程<python3网络爬虫实战> 为了避免学习后短时间内遗忘,让自己随时可以查阅前方自己学过的知识,特意注册csdn博客,方 ...
爬虫 | 正则表达式提取腾讯教育新闻链接及图片链接
前面的爬虫都是通过标签来爬取的,今天就分享一个小例子使用正则表达式来提取网页信息.如果你对正则表达式不熟悉,可以查看我之前写的R正则表达式这篇文章.它对R几个常用正则表达式进行了详尽的解释,包括参数说 ...
java 网络爬虫正则表达式_【干货】Java网络爬虫基础知识
原标题:[干货]Java网络爬虫基础知识引言 Java 网络爬虫具有很好的扩展性可伸缩性,其是目前搜索引擎开发的重要组成部分.例如,著名的网络爬虫工具 Nutch 便是采用 Java 开发,该工具以 ...
python爬虫正则表达式实例-使用正则表达式进行页面提取
使用正则表达式进行页面提取上节课我们学习了如何使用 BeautifulSoup 来解析页面,这节课我们来学习下如何使用正则来解析页面. 正则表达式的基本概念正则表达式基本语法正则表达式常用函数 ...
python爬虫正则表达式实例-Python爬虫(十一)_案例：使用正则表达式的爬虫
本章将结合先前所学的爬虫和正则表达式知识,做一个简单的爬虫案例,更多内容请参考:Python学习指南现在拥有了正则表达式这把神兵利器,我们就可以进行对爬取到的全部网页源代码进行筛选了. 打开之后,不 ...
python爬虫正则表达式实例-Python 正则表达式爬虫使用案例解析
现在拥有了正则表达式这把神兵利器,我们就可以进行对爬取到的全部网页源代码进行筛选了. 下面我们一起尝试一下爬取内涵段子网站: 打开之后,不难看出里面一个一个非常有内涵的段子,当你进行翻页的时候,注意u ...
python爬虫正则表达式实例-python爬虫学习三：python正则表达式
python爬虫学习三:python正则表达式 1.正则表达式基础 a.正则表达式的大致匹配过程: 1.依次拿出表达式和文本中的字符比较 2.如果每一个字符都能匹配,则匹配成功:一旦有匹配不成功的字符 ...
python爬虫 -- 正则表达式与 Re模块的介绍
Regular Expression,正则表达式,一种使用表达式的方式对字符串进行匹配的语法规则. 爬虫中我们抓取到的网页源代码本质上就是一个超长的字符串,想从里面提取内容.用正则再合适不过了. 正则 ...

爬虫正则表达式遇到的困难

p = re.findall('src="(.*?)"/>', str(p))#匹配！

爬虫正则表达式遇到的困难相关推荐

最新文章

热门文章