1.网络数据采集是一种通过多种手段收集网络数据的方式。最常用的方法是写一个自动化程序向网络服务器请求数据(通常是用HTML表单或其他网页文件),然后是对数据进行解析,提取所需要的信息。
2.网络爬虫工作流程:
(1)通过网站域名获取HTML数据;
(2)根据目标信息解析数据;
(3)存储目标信息;
(4)如有必要,转到另一个页面重复上述过程。
3.正则表达式:
(1)正则字符串:任意可以用一系列线性规则构成的字符串。
(2)规则:字母“a”至少出现一次;后面跟着字母“b”重复5次;后面再跟字母“c”重复任意偶数次;最后一位是字母“d”,也可以没有。
可以写成如下的正则表达式:aa*bbbbb(cc)*(d| )
(3)例:邮箱地址识别的完整正则表达式:[A-Za-z0-9._+]+@[A-Za-z]+.(com|edu|org|net)
Python数据采集1-BeautifulSoup
最新推荐文章于 2023-10-10 11:18:00 发布