python爬虫学习(1)--关于正则表达式输入和提取中文
来源:互联网 发布:乎的反义词是什么字 编辑:程序博客网 时间:2024/05/16 08:22
做爬虫时,可能会遇到的小问题,拿出来分享一下
1.关于正则表达式中类型转换问题
我们在使用
soup.findAll('tag')得到的是下面的数据类型
class 'bs4.element.Tag'
但是,这种类型是不能带入正则表达式的,必须要转换格式,使用下面的即可
aa = soup.findAll('tag')aa = unicode('aa')
将 aa 的格式转换为 unicode即可
2.关于如何提取中文
没有可以直接利用的工具,故我们考虑将我们不要的去掉,留下中文
接着对上面 得到的 aa 进行处理
aa = re.sub(r'[a-zA-Z]','',aa)
关于去掉什么,我们要根据实际问题来确定,这里是去掉英文字母
以上,就是两个小问题
0 0
- python爬虫学习(1)--关于正则表达式输入和提取中文
- python爬虫提取信息:正则表达式和xpath
- Python爬虫学习笔记(1)-正则表达式
- python爬虫和正则表达式
- python爬虫里信息提取的核心方法: Beautifulsoup、Xpath和正则表达式
- Python网络爬虫与信息提取-Day11-正则表达式的概念和语法
- Python网络爬虫与信息提取(三) 正则表达式
- Python爬虫学习纪要(四):正则表达式1
- 【python爬虫学习2.正则表达式】
- python爬虫学习,正则表达式练习
- Python爬虫学习(四)正则表达式
- python正则表达式和自制爬虫
- python网络爬虫-正则表达式和BeautifulSoup
- Python爬虫 正则表达式
- Python爬虫-正则表达式
- python爬虫-正则表达式
- Python爬虫实践(六):正则表达式(1)
- 【python学习笔记】用正则表达式从含中文的网页中提取数据(含编码转换)
- 打造一个让你安稳休息的机器人助手
- struts2在Action中接收参数的三种方式
- VS 2015 64位CMake编译openCV3.1.0必备文件
- 《基于Linux在OpenLdap上添加用户和组》
- 【ASP.NET】Web服务器控件
- python爬虫学习(1)--关于正则表达式输入和提取中文
- 关于java中,类、内部类的一点理解
- [读书笔记]入門 機械学習による異常検知 1
- Java题库
- HDU 1079 Calendar Game (博弈 sg函数)
- 解决Ubuntu 16下编译Qt 5报错:cannot find -lGL
- 前端工程化的理解
- Spring JdbcTemplate方法详解
- 无论什么颜色的奖牌,都是无数汗水铸成的!