python第一个爬虫
之前的知识没听,这节课听的挺认真,觉得python挺有趣,想记录一下
是用正则表达式取出页面内容,代码也很简单,做个纪念吧
据说还可以用beautifulsoup,但我不会用
正则表达式,真好用,哈哈哈哈
!
这是爬的网址
https://mkt.51job.com/tg/sem/pz_2018.html?from=baidupz
代码如下:
import urllib.request//首先导入urllib这个包,request方法可用于打开和读取网页内容
response=urllib.request.urlopen(“https://mkt.51job.com/tg/sem/pz_2018.html?from=baidupz”)//把打开的网页赋给response
html=response.read()//用response的read方法读取网页
html=html.decode(“GBK”)//把二进制化为字符型
print(html)//输出网页代码内容
想要取出应届生求职,简历中心等
(.*)
类型的值正则表达式中 . 表示取出所有值,非常厉害
*表示前面的表达式出现0次或多次
+表示出现1次或多次
还有很多表达,之后有机会再写
代码如下:
import re//导入正则表达式这个包
p=re.findall(’
(.*)
’,html)//findall方法找到这些值,找到html当中运用此表达式的内容成功啦!!!