【爬虫系列】爬取糗事百科--正则表达式（超详细），掌握这套精编Python高级面试题解析

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

#利用正则定位出图片url地址，以便于下载

ex = ‘

. ?<img src="(.?)" alt.*?

’

img_src_list = re.findall(ex,page_text,re.S)

for src in img_src_list:

#拼接出一个完整的链接

src = ‘https:’+src

#请求到图片的二进制数据

img_data = requests.get(url=src,headers=headers).content

#给你的图片命名

img_name = src.split(‘/’)[-1]

#图片路径设置

imgPath = ‘./qiutuLibs/’+img_name

#下载图片

with open(imgPath,‘wb’) as fp:

fp.write(img_data)

print(img_name,‘SUCCESSFUL!!!’)

3、爬取多页面数据

---

import requests

import re

import os

if not os.path.exists(‘./qiutuLibs’):

os.mkdir(‘./qiutuLibs’)

#设置一个通用的url模板即可实现多页爬取

url = ‘https://www.qiushibaike.com/imgrank/page/%d’

headers = {

‘User-Agent’:‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36’

}

#利用for循环，循环出页码，针对每页进行解析下载

#类似于打印乘法口诀那样

for pageNum in range(1,3):

new_url = format(url%pageNum)

page_text = requests.get(url=new_url,headers=headers).text

ex = ‘

. ?<img src="(.?)" alt.*?

’

img_src_list = re.findall(ex,page_text,re.S)

print(img_src_list)

for src in img_src_list:

#拼接出一个完整的链接

src = ‘https:’+src

#请求到图片的二进制数据

img_data = requests.get(url=src,headers=headers).content

img_name = src.split(‘/’)[-1]

imgPath = ‘./qiutuLibs/’+img_name

with open(imgPath,‘wb’) as fp:

fp.write(img_data)

print(img_name,‘SUCCESSFUL!!!’)

4、贪婪模式和非贪婪模式

---

.*?

?跟在*或者+后边用时，表示懒惰模式。也称非贪婪模式。就是匹配尽可能少的字符。就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。

a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。

又比如模式 src=.*?，它将会匹配 src=开始，以 结束的尽可能短的字符串。且开始和结束中间可以没有字符，因为*表示零到多个。用它来搜索 <img src=test.jpg` width=`60px` height=`80px`/> 时，将会返回 src=。

.*

. 表示 匹配除换行符 \n 之外的任何单字符，*表示零次或多次。所以.*在一起就表示任意字符出现零次或多次。没有?表示贪婪模式。比如a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。

又比如模式src=.*， 它将会匹配最长的以 src= 开始，以结束的最长的字符串。用它来搜索 <img src=test.jpg` width=`60px` height=`80px`/> 时，将会返回 src=test.jpg width=60px height=80px`

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）
[外链图片转存中…(img-qN9UqHwe-1713436795533)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！