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）

1. string = '''fall in love with you
2. i love you very much
3. i love she
4. i love her'''
5. # 去除以i开头的每一行数据
6. re.findall('^i.*',string,re.M)

['i love you very much', 'i love she', 'i love her']

1. #匹配全部行
2. string1 = """细思极恐
3. 你的队友在看书
4. 你的敌人在磨刀
5. 你的闺蜜在减肥
6. 隔壁老王在练腰
7. """
8. 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

1. import requests
2. import re
3. import urllib
4. import os
5.  
6. url = 'https://www.qiushibaike.com/pic/page/%d/?s=5170552'
7. # 自定义请求头信息
8. headers = {
9. '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'
10. }
11. # 判断是否存在名为qiutu的文件夹，如果不存在则创建文件夹
12. if not os.path.exists('./qiutu'):
13. os.mkdir('./qiutu')
14. # 手动输入开始页，结束页
15. start_page = int(input('start>>>'))
16. end_page = int(input('end>>>'))
17.  
18. for page in range(start_page,end_page+1):
19. 　　# 按照每页url形式拼接指定url
20. new_url = format(url%page)
21. 　　# 发起请求
22. page_text = requests.get(url=new_url,headers=headers).text
23. 　　# 使用正则找出page_text页面中所有图片url
24. img_url_list = re.findall('<div class="thumb">.*?<img src="(.*?)" alt=.*?</div>',page_text,re.S)
25. 　　# 给每一个图片url添加https协议头
26. for img_url in img_url_list:
27. img_url = 'https:' + img_url
28. 　　　　　# 将图片url切割去除图片名称，作为存储时图片的名称
29. img_name = img_url.split('/')[-1]
30. img_path = 'qiutu/' + img_name、
31. 　　　　　# 对图片做持久化存储
32. urllib.request.urlretrieve(url=img_url,filename=img_path)
33. print(img_path,'下载成功')
34. 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我们。