1.获得当前时间字符串:
输入:
import datetime
datetime.datetime.today().strftime(’%Y-%m-%d %H:%M:%S’)
输出字符串:‘2017-12-08 19:55:59’
2.标识浏览器身份的User-Agent:
webheader = {‘User-Agent’: ‘Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36’}
3.bsObj = getObj(pageurl) 的说明:
# 引入Beautiful Soup包
from bs4 import BeautifulSoup
# 把刚刚保存在content中的文件放入Beautiful Soup中
soup = BeautifulSoup(content, ‘lxml’)
【关键】有关BeautifulSoup的网页分割可参考下面的简书,写得超棒:
http://www.jianshu.com/p/9c266216957b
【此处是精细活,也是机械活,重复劳动,细心即可】
【注意想好DataFrame的表现形式,写好爬数据的输出结构】
4.df = pd.DataFrame() 的说明:
DataFrame是pandas的一种框架格式,方便记录信息
可以df.to_html(‘地址’)来输出框架的html网页
Q: html中文打开乱码
A: 在顶部添加:
5.正则表达式讲解:
http://cuiqingcai.com/977.html
20171227
-1.
Q: 如何检查网页元素
A: 在Chrome的网页中,键盘按下 Option + Command + I 即可
0.
Q: 如何使用 BeautifulSoup 的 find 函数
A: find的参数及意义:
find(name=None, attrs={}, recursive=True, text=None, **kwargs)
】】按照tag(标签)搜索:
1) find(tagname) # 直接搜索名为tagname的tag 如:find(‘head’)
2) find(list) # 搜索在list中的tag,如: find([‘head’, ‘body’])
3) find(dict) # 搜索在dict中的tag,如:find({‘head’:True, ‘body’:True})
4) find(re.compile(’’)) # 搜索符合正则的tag, 如:find(re