在GitHub上发现一些很有意思的项目,由于本人作为Python的初学者,编程代码能力相对薄弱,为了加强Python的学习,特此利用前辈们的学习知识成果,自己去亲自实现。
来源:GitHub
Python练手小程序项目地址:https://github.com/Show-Me-the-Code/python
写作日期:2019.12.20
今天练习第0008题,题目如下:
先展示一下我的HTML文件吧
我打算提取HTML文件中的每个题目和摘要,然后存储在MongoDB上。先看下HTML的源文件,在页面上双击选中“显示页面源文件”,就可以看到右侧的源码信息。
我要提取的内容在源文件中的位置查看
我打算用最简单的正则表达式提取里面的内容,后期练手其他项目再使用一些库提取。
注:由于正则表达式,找规则,我发现百度搜索结果,很多不同title下的abstract有不同的规则,没有一个通用的模板,所以尝试了好久,找到了3条规则,匹配到9条abstract,还有1条没怎么搞了,太南了,呜呜~
本文主要是方法记录一下吧,正则表达使用,打算抽时间好好搞下!
Python代码如下:
import re
import codecs
def