正则爬取多页图片及链接
来源:互联网 发布:罗志祥潮牌 知乎 编辑:程序博客网 时间:2024/04/29 17:17
因为要爬取图片及对应链接,所以本任务采取的方法是先使用正则把自己所需部分匹配出来,也就是每张图片及对应链接部分
e1list = re.findall('<div class="il_img"><a href=(.*?)</p>',text,re.S)
re.S。它表示“.”的作用扩展到整个字符串,包括“\n”。如果不使用re.S参数,则只在每一行内进行匹配,如果一行没有,就换下一行重新开始,不会跨行。而使用re.S参数以后,正则表达式会将这个字符串作为一个整体,将“\n”当做一个普通的字符加入到这个字符串中,在整体中进行匹配。
初次涉及新建一个文件然后写入爬取内容:
file = open('text.txt','w')file.write(text2.encode('utf8'))file.close()
其中还涉及了一个解码问题。一般来说,pycharm中使用的是Unicode编码,然后通过encode解码为utf-8编码。
encode()语法:
str.encode(encoding='UTF-8',errors='strict')
encoding -- 要使用的编码,如"UTF-8"。
errors -- 设置不同错误的处理方案。默认为 'strict',意为编码错误引起一个UnicodeError。 其他可能得值有 'ignore', 'replace', 'xmlcharrefreplace', 'backslashreplace' 以及通过 codecs.register_error() 注册的任何值。
还使用到了os模块,创建一个本地的目录。
saveDir = 'D:\picture\\'# os.mkdirs(saveDir)
完整代码如下:
# coding:utf8import reimport urlliburl = 'http://www.ivsky.com/bizhi/index_'+str(1)+'.html'html = urllib.urlopen(url)text = html.read()e1list = re.findall('<div class="il_img"><a href=(.*?)</p>',text,re.S)namelist = []urlList = []for e1 in e1list: name = re.findall('''target="_blank"(.*?)</a>''',e1,re.S)[1] namelist.append(name) url = 'http://www.ivsky.com'+re.findall('''<a href="(.*?)"''',e1,re.S)[0] urlList.append(url)file = open('text.txt','w')for i in range(len(urlList)): name = namelist[i] url = urlList[i] text2 = name+u':'+url+u'\n' file.write(text2.encode('utf-8'))file.close()
阅读全文
0 0
- 正则爬取多页图片及链接
- java获取url内容及正则匹配链接图片地址
- markdown语法及插入图片、链接、公式
- php正则取得iframe及所有链接地址
- 有链接的图片翻页效果及点击放大效果
- IOS CoreText --- 支持图片及链接的点击
- Android http网址链接图片的处理及显示
- android图片选择及获取处理相关资料链接
- IOS CoreText --- 支持图片及链接的点击
- 链接正则式
- 正则表达式相关链接
- 正则表达式链接
- 正则替换SRC链接
- php用正则表达式过滤html的超链接及提取链接
- Android应用实例之---使用Linkify + 正则式区分微博文本链接及跳转处理
- Android应用实例之---使用Linkify + 正则式区分微博文本链接及跳转处理
- 使用Linkify + 正则式区分微博文本链接及跳转处理
- android 使用Linkify + 正则式区分微博文本链接及跳转处理
- ROS机器人操作系统架构图
- 时间复杂度及其计算
- 《C语言入门》笔记---慕课网
- Java+sql 实现-小型教务系统
- python去掉字符串中空格的方法
- 正则爬取多页图片及链接
- 回文串的处理
- The advance of Java -- Set, LinkedList, Map(Day03)
- Python Tkinter Grid布局管理器详解
- 不动点迭代法 一元非线性方程求根 C语言实现
- 面向对象
- JavaScript数组使用大全
- 月份天数的输入
- Sqli-labs2-5单引号变形,双引号,双注入