写在前面:
此博客仅用于记录个人学习进度,学识浅薄,若有错误观点欢迎评论区指出。欢迎各位前来交流。(部分材料来源网络,若有侵权,立即删除)
爬虫学习round02
思维导图
requests模块
- requests.request() 构造请求
- requests.get() 获取HTML的主要方法
- requests.head() 获取HTML头部信息的主要方法
- requests.put() 向HTML提交PUT请求的方法
- requests.patch()向HTML提交局部修改申请
- requests.delete()向HTML提交删除请求
requests.get()
res = requests.get(url,params,**kwargs)
属性 | 说明 |
---|---|
status_code | HTTP请求返回状态,若为200则表示请求成功 |
text | HTTP响应内容的字符串形式,即返回的页面内容 |
encoding | 从HTTPheader中猜测的相应内容编码方式 |
apparent_encoding | 从内容中分析出的响应内容编码方式(备用编码方式) |
content | HTTP响应内容的二进制形式 |
正则使用
re.match函数
- 尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功,则返回None。
re.match(pattern,string,flag=0)
import re
print(re.match('www','www.baidu.com').span())#在起始位置匹配
print(re.match('com','www.baidu.com'))#不在起始位置匹配
- pattern 匹配的正则表达式
- string 要匹配的字符串
- flags 标志位,用于控制正则表达式的匹配方式,如是否区分大小写、是否多行匹配等
re.search函数
- 用于扫描整个字符串并返回第一个成功的匹配。
re.search(pattern,string,flag=0)
二者区别
- re.match只匹配字符串的开始,如果字符串开始不匹配正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,直到找到一个匹配。
re.compile函数
re.compile(pattern[,flags])
findall函数
- 用于在字符串列表中找到正则表达式的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表。
findall(string[,pos[,endpos]])