前面介绍了2中利用工具解析HTML代码的方式,接下来咱就介绍一下纯手工解析html的方式,
正则相比于前两种的优点很明显,缺点也很明显
优点:更加灵活,效率更高
缺点:容易出错,调试时间长,
看到这里的应该对正则都有点基本的认识了,如果一些基本的认识都没有的话,出门自己google教程,
和前面一行,现获取html代码
html=urllib2.urlopen(url).read()
之后就是对获取到的代码进行解析了。
这里需要用到一个标准库re
import re 就可以了
str = r’class=”context”>(.*?)’
reg = re.compile(str)
text =re.findall(reg,html)
其中夸好包起来的部分就是需要提取出来的东西,
这里可以理解为标签a的text,
前面的和后面的部分是用来匹配的,
这样就可以很轻松的冲html代码里面获取到我们需要的数据了,