简单爬取数据
1、基础爬虫知识的掌握
1.1 变量和字符串
1、“+”进行字符串的连接,爬虫代码常用其构造URL链接,例如在爬取一个网页链接时,只有一部分’u190104eb…',这部分链接是无法访问的,还需要前缀http://www.jianshu.com,才能进行访问,常采用字符拼接的方法 。
2、“*”乘以一个数,表示将字符串复制对应的次数,同时要了解字符串的切片与索引,a[-1]表示字符串a的倒数第一个字符,a[0]表示字符串a的第一个字符。
1.2 常用字符串方法
1、split()方法。例:a=‘www.baidu.com’ print(a.split()) 得到的结果为[‘www’, ‘baidu’, ‘com’] ,split()方法通过给定的分隔符(在该例子中为’.'),将一个字符串分割成一个列表,如果没有分隔符,程序会将所有得空格作为分隔符。
2、replace()方法。例:a=‘there is apples’ b=a.replace(‘is’, are) print(b) 得到的结果为’there are apples’ 。
3、strip()方法。作用是去除字符串两侧的字符,默认为去除字符串两侧的空格。
4、format()方法。相当于是做填空题,例如:a=‘{} is my love’.format(‘python’)实际上该语句表示的就是a=‘python is my love’ 。