大家好,我是Python进阶者。 一、前言前几天在Python白银交流群【鑫】问了一个Python 网络爬虫的问题,提问截图如下: ![](http://image109.360doc.com/DownloadImg/2023/02/1012/260414419_1_20230210120442192_wm.png) 下面是他的代码: 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/105.0.0.0 Safari/537.36" } resp = requests.get(url, headers=headers) resp.encoding = "utf-8" pageSource = resp.text print(pageSource) #re.S可以让正则的。匹配换行符 obj = re.compile(r'<div class="item">.*?<span class="title">(?P<name>.*?)</sp' r'an>.*? <p class="">.*?导演:(?P<dao>.*?) <br>' r'(?P<year>.*?) ', re.S) result = obj.finditer(pageSource) for item in result: print(item.group("name")) print(item.group("dao")) print(item.group("year"))
二、实现过程这里【瑜亮老师】指出问题,如下所示: ![](http://image109.360doc.com/DownloadImg/2023/02/1012/260414419_2_20230210120443286_wm.png) 事实上还是那个正则表达式写的有问题。 ![](http://image109.360doc.com/DownloadImg/2023/02/1012/260414419_3_2023021012044483_wm.png) 跟着视频来敲,有时候视频太老了,或者对应的网页结构改版了,导致原有的代码并不能够适配,导致出错。 ![](http://image109.360doc.com/DownloadImg/2023/02/1012/260414419_4_20230210120445192_wm.png) 修改之后可以得到正确的结果了。 三、总结大家好,我是Python进阶者。这篇文章主要盘点了一个Python 网络爬虫+正则表达式处理的问题,文中针对该问题,给出了具体的解析和代码实现,帮助粉丝顺利解决了问题。 最后感谢粉丝【鑫】提问,感谢【瑜亮老师】给出的思路和代码解析,感谢【dcpeng】、【ᯤ⁶ᴳ】等人参与学习交流。 ------------------- End -------------------
|