一、re
import requests import re url = \"https://movie.douban.com/top250\" headers = { \"user-agent\": \"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36\"} # 请求头 response = requests.get(url, headers=headers) text = response.text obj = re.compile(r\"\"\"<li>.*?<span class=\"title\">(?P<name>.*?)</span>.*?<p class=\"\">(?P<director>.*?) (?P<lead>.*?)...<br>(?P<time>.*?) / (?P<country>.*?) / (?P<type>.*?)\\s\\s\\s.*?<span class=\"rating_num\" property=\"v:average\">(?P<score>.*?)</span>.*?<span>(?P<number>.*?)</span>.*?<span class=\"inq\">(?P<quote>.*?)</span>\"\"\", re.S) result = obj.finditer(text) # 在text中查找obj(是一个Pattern对象),返回一个迭代器 for i in result: print(i.group(\"name\")) # group()用于分组 print(i.group(\"director\").strip()) # 去掉空格 print(i.group(\"lead\")) print(i.group(\"time\").strip()) print(i.group(\"country\")) print(i.group(\"type\")) print(i.group(\"score\")) print(i.group(\"number\")) print(i.group(\"quote\")) response.close()
结果为:
肖申克的救赎 导演: 弗兰克·德拉邦特 Frank Darabont 主演: 蒂姆·罗宾斯 Tim Robbins / 1994 美国 犯罪 剧情 9.7 2613829人评价 希望让人自由。 霸王别姬 导演: 陈凯歌 Kaige Chen 主演: 张国荣 Leslie Cheung / 张丰毅 Fengyi Zha 1993 中国大陆 中国香港 剧情 爱情 同性 9.6 1940678人评价 风华绝代。 ……
详细介绍请看python正则表达式
二、BeautifulSoup
import requests from bs4 import BeautifulSoup url = \"http://zhongdapeng.com/shucaijiage/831.html\" response = requests.get(url) response.encoding = \"utf-8\" text = response.text # 先把页面源代码交给BeautifulSoup处理,生成bs对象 page = BeautifulSoup(text, \"html.parser\") # 指定为html解析器(parser) # 再从bs对象中查找数据:1、find(只找一个) 2、find_all 这两者后面都是(标签,属性=值),注意属性可能为python的关键字,比如class,那么就要写成class_=值或者attrs={\"class\":值} table = page.find(\"table\", attrs={\"cellspacing\": \"0\"}) trs = table.find_all(\"tr\")[1:] # 去掉第0个 for tr in trs: tds = tr.find_all(\"td\") print(tds[1].text, tds[2].text, tds[4].text, tds[5].text) # .text表示被标签标记的内容 response.close()
结果为:
意大利 1.6-1.8 香菜 5.0-6.0 油麦菜 1.7-1.7 菠菜 3.0-3.5 上青 0.3-0.4 茼蒿 1.3-1.5 ……
三、xpath
import requests from lxml import etree url = \"https://search.jd.com/Search?keyword=iphone&enc=utf-8&wq=iphone&pvid=eb21f8da6aad40ccb455dd20c5ce52d4\" headers = { \"User-Agent\": \"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36\"} # 请求头 response = requests.get(url, headers=headers) response.encoding = \"utf-8\" text = response.text treeoject = etree.HTML(text) # 解析html # 根据xpath来提取元素 lis = treeoject.xpath(\"\"\"/html/body/div[5]/div[2]/div[2]/div[1]/div/div[2]/ul/li\"\"\") for li in lis: # /text()获取标签内的文本 price = li.xpath(\"\"\"./div/div[3]/strong/i/text()\"\"\")[0] description = \"iPhone\".join(li.xpath(\"\"\"./div/div[4]/a/em/text()\"\"\")).strip() # 去掉空格 merchandiser = li.xpath(\"\"\"./div/div[7]/span/a/text()\"\"\")[0] print(price) print(description) print(merchandiser) print(\"\") # 可以用属性值索引:li[@class=\'…\']/… # //li代表匹配所有的后代li节点,不论几代 # ./代表从相对目录开始查找 # *代表通配符 # @用来提取属性值:li/@class response.close()
结果为:
6098.00 Apple iPhone 13 (A2634) 128GB 星光色 支持移动联通电信5G 双卡双待手机【快充套装】 Apple产品京东自营旗舰店 3999.00 Apple iPhone 11 (A2223) 128GB 黑色 移动联通电信4G手机 双卡双待 Apple产品京东自营旗舰店 5499.00 Apple iPhone 13 128GB 午夜色 支持移动联通电信5G 双卡双待手机 广州电信京东自营旗舰店 ……
来源:https://www.cnblogs.com/daxiangcai/p/16248813.html
本站部分图文来源于网络,如有侵权请联系删除。