CSDN python爬虫

1.爬取某一个网页，抓取网页的标题

采用的正则表达式为'<title>(.*?)</title>'

2.抓取超链接标签间的内容

在HTML中，<a href=URL></a>用于标识超链接

3.抓取tr\td标签间的内容

content = '''

<tr><td>1001</td><td>杨秀璋<br /></td></tr>

<tr><td>1002</td><td>颜 娜</td></tr>

<tr><td>1003</td><td><B>Python</B></td></tr>

'''

4.抓取超链接标签的URL

HTML超链接的基本格式为“<a href=URL>链接内容</a>”

content = '''
<a href="http://news.baidu.com" name="tj_trnews" class="mnav">新闻</a>
<a href="http://www.hao123.com" name="tj_trhao123" class="mnav">hao123</a>
<a href="http://map.baidu.com" name="tj_trmap" class="mnav">地图</a>
<a href="http://v.baidu.com" name="tj_trvideo" class="mnav">视频</a>
'''

5. 抓取图片超链接标签的URL

HTML插入图片使用标签的基本格式为“<img src=图片地址 />”

<img alt="Python" src="http://www..csdn.net/eastmount.jpg" />

6. 字符串处理及替换

content = '''

<tr><td>1001</td><td>杨秀璋<br /></td></tr>

<tr><td>1002</td><td>颜 娜</td></tr>

<tr><td>1003</td><td><B>Python</B></td></tr>

'''