python数据爬取---复杂一点的爬取

目录

1、确定目标页面并进行分析

2、Python中的正则表达式

3、使用BeautifulSoup进行html解析

4、对目标页面进行爬起并保存到本地

---

1、确定目标页面并进行分析

打开目标页面，右键鼠标，选择“检查”

新的窗口显示的就是该网页的元素，发现我们想要的内容应该储存在“要闻列表里面”。展开下面的<ul>

发现我们要的内容就在<h4>里面，接下来，我们就要用html解析器来提取这些内容，但是我们可能只想提取我们想要的标题和链接，而不希望有多余的内容被提取出来。所以接下来，先介绍一下正则表达式。

2、Python中的正则表达式

可以参考菜鸟教程https://www.runoob.com/python/python-reg-expressions.html查看基本的语法，这里做简单介绍：

注意使用正则表达式之前，需要import re

1）re.match函数

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

re.match(pattern, string, flags=0)，匹配成功re.match方法返回一个匹配的对象，否则返回None。

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

2）re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。

re.search(pattern, string, flags=0)，匹配成功re.search方法返回一个匹配的对象，否则返回None。</