《学习日记之Python》——正则表达式爬取高考网的高校信息

今天来学习利用正则表达式爬取高考网的高校信息

人生苦短，我用python

今天要爬取的是高考网广东地区的高校
链接：http://college.gaokao.com/schlist/a14/p

爬取如图下红色框框内的信息（包括学校主页的链接）

步骤一：查找元素所在位置

步骤二：用正则表达式提取所需信息

def parse_one_page(html):
    pattern=re.compile('<dt>.*?href="(.*?)".*?<img.*?src="(.*?)"'
                       +'.*?<li>(.*?)</li>.*?<li>.*?<li>(.*?)</li>'
                        +'.*?<li>(.*?)</li>.*?<li>(.*?)</li>.*?<li>(.*?)</li>