sinat_32092165的博客

前一阵子铁血网站关闭了，姥爷是铁血十多年的老用户，就委托我帮他把历史文章导出。导出后是这个样子。点开txt文件，我们能发现，图片以链接的形式存在文本文档中。因为用了十多年，文字和图片的量真的不小。如何把这些图片也全部保存下来？这正好是爬虫的用武之地。总体思路如下：1.遍历文件夹中所有的txt文件。2.对每个txt进行读取，利用正则表达式，提取其中的图片网址url，加入到列表中。3.遍历列表中的url，进行保存代码如下所示：import osimport reimp.

我们先来选定爬取目标，我爬取的网站是https://www.17k.com/，一些大型的网站（如起点、豆瓣等）做了反爬虫的部署，这会大大增加我们抓取的难度，所以尽量还是选一些不那么热门的网站。爬虫的第一步，也是最重要的一步，就是分析网页的结构，定位到我们想要抓取的内容。首先点开一本书的某一章节，这里以小说《第九特区》的第一章《初来乍到》为例展开（https://www.17k.com/chapter/3038645/38755562.html），分析某一章的页面内容结构。首先来看标题，这个非常.

问题描述：回文联，它是我国对联中的一种。用回文形式写成的对联，既可顺读，也可倒读。不仅它的意思不变，而且颇具趣味。是我国的重要文化之一。有趣的回文联有 斗鸡山上山鸡斗 天连水尾水连天 鱼傍水活水傍鱼等。写代码，输入字符串s，判断s是否是回文联。常规方法：我们先来用最通常的方法来解决这道题，即借助循环：先比较字符串的第一个字符和最后一个字符，如果相等，则比较第二个字符和...

代码仅限技术交流，禁止任何商业用途学习了Jack-Cui的爬虫文章，颇有收获。拿http://desk.zol.com.cn/来练练手。点开第一张壁纸：可以发现，有的壁纸是要付费下载的。今天我们就利用爬虫，批量获取这些壁纸。用到的两个重要库 selenium 和BeautifulSoup，对库不熟悉的，建议看http://blog.csdn.net/c406495762/article/detai...

首先分析emali地址的规则，以bill.gates@microsoft.com为例，可以将一个email地址分为三部分。第一部分是bill.gate,它的规则可以描述为正数个字母、数字和.的组成。第二部分为固定字符@.第三部分以microsoft.com为例，它的规则可以描述为正数个字母数字+.com。明确了规则，正则表达式可以如下所示r'^[\d\w\.]+@[\d\w]+\.com...

先来了解一下什么是水仙花数。水仙花数是这样一个三位数：它的个位数、十位数、百位数的三次方之和，等于它自身。例如，153就是一个水仙花数，因为153=1^3+5^3+3^3。470也是一个水仙花数，因为470=4^3+7^3+0^3。我们今天的任务就是，编程求100到999之间所有的水仙花数。那么这个题目的关键就是，给定一个三位数abc，如何获得它的个位数c,十位数b,百位数a？我们先来...