python爬虫之获取需要爬取信息

目录

正则表达式匹配

元素定位读取


本文以图片之家为例

 现在需要获取图片的名字和图片地址 

正则表达式匹配

正则表达式学习推荐网站

以'title="(.+?)" height="'匹配包含名字和地址的数据,代码如下

import requests
import re
url = 'https://www.tupian168.com/'
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3"}
resp = requests.get(url,headers=headers)
text = resp.text
divs = re.findall('title="(.+?)" height="',text)
divs = [i.split('"') for i in divs]
datas = [(i[0],i[-1]) for i in divs]
print(datas[0])

元素定位读取

1.使用'//*[@class="item"]'定位每个图片项目

2.继续匹配标题和地址

import requests
from lxml import etree
url = 'https://www.tupian168.com/'
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3"}
resp = requests.get(url,headers=headers)
text = resp.text
parser = etree.HTML(text)
items = parser.xpath('//*[@class="item"]')
for i in items:
    print(i.xpath('./a/@title')[0],i.xpath('./a/img/@src')[0])

 如需下载可使用以下脚本

from urllib.request import urlretrieve
urlretrieve(url, filename)

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值