python 爬虫（正则）_python requets 万能正则提取

![在这里插入图片描述](https://img-blog.csdnimg.cn/24f4af297f0a497baf40ed0e6b73963f.png)




---


## 🍓🍓解析&&提取

import requests
import re

todo 列表拿来存储子页面，为后面提取每个子页面信息做准备

child_urls=[]
url = “地址”

resp = requests.get(url) # todo verify=False 去掉安全认证
resp.encoding = ‘gbk’

print(resp.text)

obj = re.compile(r’2022必看热片.*?

• (?P.*?)

‘, re.S)
obj2 = re.compile(r"<a href=’(?P.*?)‘",re.S)
obj3=re.compile(r’ title=“(?P

todo 先取出所有的li标签

res = obj.finditer(resp.text)
for i in res:
ul = i.group(“content”)
# print(ul)
res2 = obj2.finditer(ul)
# todo 取出后匹配里面需要的url
# todo 注意，这里的url只是一部分，需要拼接
for j in res2:
child_url=url+j.group(“url”).strip(“/”)
child_urls.append(child_url)
# print(child_url)
# print(j.group(“url”))
# todo 获取电影标题
res3=obj3.finditer(ul)
for k in res3:
print(k.group(“title”))
pass
print(child_urls)

![在这里插入图片描述](https://img-blog.csdnimg.cn/3508d88e585c4bbd865948c3bfa24611.png)




---


## 🍓🍓挖掘


由于上面已经huoqu2022所有值得看电影的url，下面对每个url发起请求获得每个子页面的html，进行解析提取。

coding=utf-8

TODO 鸟欲高飞，必先展翅

TODO 向前的人 ：Jhon

todo 定位2022必看片

todo 从2022必看片中拿到子页面链接地址

todo 请求子页面地址，拿到我们想要下载的地址

import requests
import re

todo 列表拿来存储子页面，为后面提取每个子页面信息做准备

child_urls=[]
url = “地址”

resp = requests.get(url) # todo verify=False 去掉安全认证
resp.encoding = ‘gbk’

print(resp.text)

obj = re.compile(r’2022必看热片.*?

• (?P.*?)

‘, re.S)
obj2 = re.compile(r"<a href=’(?P.*?)‘",re.S)
obj3=re.compile(r’ title=“(?P

todo 先取出所有的li标签

res = obj.finditer(resp.text)
for i in res:
ul = i.group(“content”)
# print(ul)
res2 = obj2.finditer(ul)
# todo 取出后匹配里面需要的url
# todo 注意，这里的url只是一部分，需要拼接
for j in res2:
child_url=url+j.group(“url”).strip(“/”)
child_urls.append(child_url)
# print(child_url)
# print(j.group(“url”))
# todo 获取电影标题
res3=obj3.finditer(ul)
for k in res3:
# print(k.group(“title”))
pass

print(child_urls)

todo 前面取到了子页面的url，下面开始提取子页面的电影信息

todo 子页面正则提取

child_1=re.compile(r’◎片　　名　(?P.*?)
‘, re.S)
child_2=re.compile(r’<a href=“(?P.*?)”', re.S)
for url in child_urls:
child_resp=requests.get(url)
child_resp.encoding=‘gbk’
# print(child_resp.text)
res4=child_1.findall(child_resp.text)
# print(res4)

res5=child_2.findall(child_resp.text)
print(res5)

![在这里插入图片描述](https://img-blog.csdnimg.cn/33fc5f74582645bc8662b82eee539fce.png)  
 **`流程：发起get请求-->定位-->解析-->获得定位的所有url-->对每个获得的url发起请求-->获得每部电影的html-->解析，提取需要的信息`**  
 [地址]( )




---




---




---




---




---




---



做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。



别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

* * *



**（1）Python所有方向的学习路线（新版）**

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。



最近我才对这些路线做了一下新的更新，知识体系更全面了。



![在这里插入图片描述](https://img-blog.csdnimg.cn/8fc093dcfa1f476694c574db1242c05b.png)



**（2）Python学习视频**



包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。



![在这里插入图片描述](https://img-blog.csdnimg.cn/d66e3ad5592f4cdcb197de0dc0438ec5.png#pic_center)



**（3）100多个练手项目**

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。



![在这里插入图片描述](https://img-blog.csdnimg.cn/f5aeb4050ab547cf90b1a028d1aacb1d.png#pic_center)



**（4）200多本电子书**  

  

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。



基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。



**（5）Python知识点汇总**

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。



![在这里插入图片描述](https://img-blog.csdnimg.cn/c741a91b05a542ba9dc8abf2f2f4b1af.png)



**（6）其他资料**



还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。



![在这里插入图片描述](https://img-blog.csdnimg.cn/9fa77af248b84885a6ec779b2ead064d.png)

**这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。**



加入社区：https://bbs.csdn.net/forums/4304bb5a486d4c3ab8389e65ecb71ac0