re.findall用法在爬虫图片地址

最新推荐文章于 2024-05-16 21:41:01 发布
最新推荐文章于 2024-05-16 21:41:01 发布
阅读量115 收藏
点赞数
文章标签： python 正则表达式
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_22163169/article/details/130922128
版权

re.findall返回整个字符串中的所有匹配，存在一个字典中

万能   .*?    匹配任意字符串

例如网页源码中的一个图片（知乎）
string='1、黑社会平时都干些什么？</p><figure data-size="normal"><noscript><img src="https://picx.zhimg.com/50/v2-13d7ae1fc6964ad9296bc1c34d8b744f_720w.jpg?source=1940ef5c" data-rawwidth="1354" data-rawheight="664" data-size="normal" data-caption="" data-original-token="v2-13d7ae1fc6964ad9296bc1c34d8b744f" data-default-watermark-src="https://picx.zhimg.com/50/v2-fb89ccd0e99d3a0fbae1e65f3349b2b1_720w.jpg?source=1940ef5c" class="origin_image zh-lightbox-thumb" width="1354" data-original="https://pic1.zhimg.com/v2-13d7ae1fc6964ad9296bc1c34d8b744f_r.jpg?source=1940ef5c"/></noscript><img src="data:image/svg+xml;utf8,&lt;svg xmlns=&#39;http://www.w3.org/2000/svg&#39; width=&#39;1354&#39; height=&#39;664&#39;&gt;&lt;/svg&gt;" data-rawwidth="1354" data-rawheight="664" data-size="normal" data-caption="" data-original-token="v2-13d7ae1fc6964ad9296bc1c34d8b744f" data-default-watermark-src="https://picx.zhimg.com/50/v2-fb89ccd0e99d3a0fbae1e65f3349b2b1_720w.jpg?source=1940ef5c" class="origin_image zh-lightbox-thumb lazy" width="1354" data-original="https://pic1.zhimg.com/v2-13d7ae1fc6964ad9296bc1c34d8b744f_r.jpg?source=1940ef5c" data-actualsrc="https://picx.zhimg.com/50/v2-13d7ae1fc6964ad9296bc1c34d8b744f_720w.jpg?source=1940ef5c"/></figure><p class="ztext-empty-paragraph"><br/></p><p data-pid="1cPu5H6y">'

#匹配模式
patter1 = '</p><figure data-size=".*?"><noscript><img src="(.*?)"'
patter2 = '</p><figure data-size=".*?"><noscript><img src=".*?"'

text_web = re.findall(patter, paper_text, re.S)
#patter正则表达式，文本，re.S整个text视为一个整体， 自动换行

patter2匹配整个模式返回

</p><figure data-size="normal"><noscript><img src="https://picx.zhimg.com/50/v2-13d7ae1fc6964ad9296bc1c34d8b744f_720w.jpg?source=1940ef5c"

patter1只返回括号里的网址

https://picx.zhimg.com/50/v2-13d7ae1fc6964ad9296bc1c34d8b744f_720w.jpg?source=1940ef5c

爬虫就用patter1爬取图片网址

-麦芽-
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
python中正则表达式 re.findall 用法
01-20
Python 正则表达式 正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。 Python 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。 re 模块使 Python 语言拥有全部的正则表达式功能。 compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。 re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。 本文主要给大家介绍python中正则表达式 re.findall 用法，具体内容如下所示； 在python中，
Python爬虫学习笔记一：简单网页图片抓取
热门推荐
以后以后的专栏
04-15 1万+
利用python抓取网络图片的步骤是： 1、根据给定的网址获取网页源代码 2、利用正则表达式把源代码中的图片地址过滤出来 3、根据过滤出来的图片地址下载网络图片 以下是比较简单的一个抓取某一个百度贴吧网页的图片的实现： # -*- coding: utf-8 -*- # feimengjuan import re import urllib import urllib2 #抓取
爬取html页面图片,用python 爬取网页图片
weixin_29463881的博客
06-04 630
import reimport stringimport sysimport osimport urlliburl="http://tieba.baidu.com/p/2521298181"#这个是某贴吧地址imgcontent=urllib.urlopen(url).read()#抓取网页内容reg = r'src="(.+?\.jpg)" pic_ext'imgre = re.compile(...
爬虫实例：爬取一个网页上的图片地址
m0_38066258的博客
08-18 4371
读取一个网页的源代码：import urllib.request def getHtml(url): html=urllib.request.urlopen(url).read() return html print(getHtml("http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%E5%A3%81%E7
【爬虫】如何通过爬虫，爬取百度图片？新手小白一看便会，内附超详细代码讲解
好学的小师弟的博客；华为云社区月度积极博主
09-05 1万+
大家好，我是好学的小师弟，今天来和大家分享下，如何通过爬虫，爬取百度图片，并下载保存到本地。 思路：
如何用爬虫爬取网页上的图片
m0_63045886的博客
11-06 682
爬虫简介
re模块之网络爬虫基础
weixin_52596593的博客
07-20 644
Python之所以能从这么多编写语言中脱引而出的优点就是它有众多的第三方库函数，可以更高效率的实现开发。
python正则表达式re.findall,Python crawler——最常用的正则表达式和re的使用。函数,爬虫,多,以及,refindall,用法...
weixin_39786141的博客
03-26 482
如果说网络爬虫爬取的网页信息是数据大海，正则表达式就是我们进行“大海捞针”的工具。1.正则表达式的重要符号符号描述\w匹配字母、数字、下划线\W匹配不是字母、数字、下划线的字符\s匹配空白字符\S匹配不是空白字符\d匹配数字\D匹配非数字的字符.匹配任意一个字符(包括汉字)，换行\n除外*重复0或N次+重复1或N次？重复0或1次[m]匹配单个字符串[m1m2…n]匹配多个字符串[m-n]匹配m到n...
python 正则表达式 re 爬取网页及分析总结
因为我是ZR 的博客
04-06 5506
来源于此为了方便自己查找，进行了简化与整理。 本文涉及内容如下： 获取< tr>< /tr>标签之间内容 获取< a href…>< /a>超链接之间内容 获取URL最后一个参数命名图片或传递参数 爬取网页中所有URL链接 爬取网页标题title两种方法 定位table位置并爬取属性-属性值 过滤< span>< /span>等标签 获取< script>< /script>等标签内容 通过replace函数过
Python简单代码爬取网图:正则表达式re+requests库爬取静态网站图片，(需要正则表达式findall匹配图片地址)
Ihavehairssss的博客
10-29 1554
1.在这个互联网的时代里，图片数不胜数，有价值(好康)的图片更是数不胜数，好的图片就会让我们不经意的保留，可偏偏想保留的图片越看越多，无意间学到到了Python的爬虫的一些语法，运行之后觉得非常方便，于是就分享给大家，欢迎大家交流哈~ 1.首先明确我们这次爬取的是静态网站(想爬取动态网站的可以尝试selenium的方法)，我们先搞到网站的源 import re import requests import os url='http://www.keaitupian.cn/meinv/' resp =.
Python爬虫——用的最多的正则表达式以及re.findall()函数的用法
01-20
如果说网络爬虫爬取的网页信息是数据大海，正则表达式就是我们进行“大海捞针”的工具。 1.正则表达式的重要符号 符号 描述 \w 匹配字母、数字、下划线 \W 匹配不是字母、数字、下划线的字符 \s 匹配空白字符 \S 匹配不是空白字符 \d 匹配数字 \D 匹配非数字的字符 . 匹配任意一个字符（包括汉字)，换行\n除外 * 重复0或N次 + 重复1或N次 ？ 重复0或1次 [m] 匹配单个字符串 [m1m2…n] 匹配多个字符串 [m-n] 匹配m到n区间内的数字、字母 [^m] 匹配除m以外的字符串 () 对正则表达式进
Python3正则匹配re.split，re.finditer及re.findall函数用法详解
09-20
主要介绍了Python3正则匹配re.split，re.finditer及re.findall函数用法,结合实例形式详细分析了正则匹配re.split，re.finditer及re.findall函数的概念、参数、用法及操作注意事项,需要的朋友可以参考下
Python爬虫常用正则re.findall的使用
icanflying的博客
05-01 1万+
re.findall正则符说明： 单字符表达 . : 除换行以外所有字符 [] ：[aoe] [a-w] 匹配集合中任意一个字符 \d ：数字 [0-9] \D : 非数字 \w ：数字、字母、下划线、中文 \W : 非\w \s ：所有的空白字符包,括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v] \S : 非空白 数量修饰 * : 任意多次 >=0 + : 至少1次 >=1 ? : 可有可无 0次或者1次 {m} ：固定m次 hello{3,} {m,}
Python网页爬虫爬取起点小说——re解析网页数据
qq_44777595的博客
09-21 3443
1、需要注意响应内容是否与网页源码格式相同2、编写正则表达式时需要将网页源码或者响应内容中的对应元素复制出来，观察其格式，按照格式去编写正则表达式3、如果我们查找不到对应的内容，或者只取到对应内容的一部分，则我们需要扩大查找范围，正则表达式的编写从开始标签的下级标签开始查找。4、建议每次获取到数据都输出查看是否是我们想要的格式和内容。
Python爬虫：正则的应用——批量获取网站图片
m0_73716246的博客
07-25 887
本文是按照改文章思路实现的，多亏博主终于令我找到了合适的网站能够实操了TTpython正则表达式实战——获取图片_正则方式提取图片是什么_爱吃饼干的小白鼠的博客-CSDN博客。
正则解析
zkn_2439656793的博客
03-09 225
单字符： . : 除换行以外所有字符 [] ：[aoe] [a-w] 匹配集合中任意一个字符 \d ：数字 [0-9] \D : 非数字 \w ：数字、字母、下划线、中文 \W : 非\w \s ：所有的空白字符包,括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 ...
浅谈Python爬虫里的compile与findAll合用
LYY的学习和记录
07-19 2006
直接上代码，爬取豆瓣读书的信息 import requests,re from bs4 import BeautifulSoup headers={'User-Agent':'....'}#写下你的user-agent def getdata(url):     html=requests.get(url,headers=headers)     selector=BeautifulSoup(...
使用Python操作excel单元格——在单元格中插入公式
最新发布
xll_007的博客
05-16 371
使用Python操作excel单元格——在单元格中插入公式。 通过使用Python的openpyxl库，来操作excel单元格，在单元格中插入公式的操作。把学习的过程分享给大家。大佬勿喷！
爬虫re.findall用法
05-02
re.findall是Python中re模块提供的一个函数，用于在字符串中搜索匹配正则表达式的所有子串，并以列表的形式返回所有匹配到的结果。其语法格式为：re.findall(pattern, string, flags=0)。其中，pattern为需要匹配的正则表达式字符串，string为需要搜索的字符串，flags为可选参数，传入不同的值可对匹配模式进行修饰和扩展。 re.findall函数可以应用于文本数据的抽取和处理，常用于数据挖掘、信息提取和爬虫等领域。通过正则表达式的定义，可以指定具体的匹配规则，例如指定匹配某种模式的URL链接、电子邮件地址、手机号码等等。匹配结果以列表的形式返回，可以遍历处理进行数据分析和保存。 需要注意的是，re.findall函数在匹配时是从左到右依次匹配，并且匹配到的字符串不会重复，即不会出现重复的元素在返回的列表中。如果匹配的正则表达式中包含分组（group），则返回的结果会按照分组的顺序依次排列。 在使用re.findall函数时，建议先对正则表达式进行测试和调试，确保其能够准确匹配到需要的内容。另外，需要注意正则表达式中的元字符和转义符号的使用，避免出现语法错误和匹配不到的情况。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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