数据解析-正则表达式与xpath

本文通过一个例子带领大家了解爬虫数据解析中的正则表达式与xpath这两种解析方法。

一.基本介绍

正则表达式(regular expression)描述了一种字符串匹配的模式(pattern),可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。
xpath是在XML文档中搜索内容的一门语言。
关于python中正则表达式和xpath的用法,本文就不详细展开,有兴趣的同学可以点赞评论私信我,感兴趣的人多我就会把正则表达式和xpath写出来。

二.例子介绍

本文以爬取虎牙直播视频为例介绍这两种方法。
受害网址:https://v.huya.com/g/all?set_id=67&order=hot&page=1
在这里插入图片描述通过分析,可以发现页面中的视频地址链接就存在页面源代码里,为得到视频链接就需要进行数据解析。
在这里插入图片描述

1.正则表达式

爬虫中常用的正则表达式的就是贪心算法,python写为(.?)
导入re库,定义提取规则,即r’

  • <a href="(?P.?)" class=“video-wrap”’ ,利用贪心算法(.*?)提取视频的链接。
  • import requests
    import re
    
    url = 'https://v.huya.com/g/all?set_id=67&order=hot&page=1'
    headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36 Edg/107.0.1418.52',
    'referer': 'https://v.huya.com/g/'
    }
    resp = requests.get(url,headers=headers)
    obj = re.compile(r'<li data-vid=".*?"><a href="(?P<url>.*?)" class="video-wrap"',re.S)
    url_list = obj.findall(resp.text)
    # print(name_list)
    

    2.xpath

    xpath我们需要知道它的基本用法,会用即可,本文介绍一个简单的办法。
    在元素中找到需要的东西,把鼠标放在对应行,点击右键,选择复制->复制Xpath
    在这里插入图片描述将下图蓝箭头所指行的xpath,内容为//[@id=“root”]/div/article/section/ul[2],因为我们要提取的是下一层所有li标签里的a标签里的href属性,所以用 (任意的节点)表示提取ul和a标签中的所有内容,接上/a/@href提取a标签的href属性,即视频地址链接。
    提取视频名字信息同理。

    import requests
    from lxml import etree
    
    url = 'https://v.huya.com/g/all?set_id=67&order=hot&page=1'
    headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36 Edg/107.0.1418.52',
    'referer': 'https://v.huya.com/g/'
    }
    resp = requests.get(url,headers=headers)
    tree = etree.HTML(resp.text)
    url_list = tree.xpath('//*[@id="root"]/div/article/section/ul[2]/*/a/@href')
    name_list = tree.xpath('//*[@id="root"]/div/article/section/ul[2]/*/a/@title')
    
    for i in range(len(url_list)):
        url = 'http:'+url_list[i]
        print(url)
    

    3.运行结果

    在这里插入图片描述

    三.总结

    本文用例子介绍了正则表达式和xpath两种数据解析方法,此外还有Beautifulsoup这一方法。本文的例子只是得到了视频的地址,后续会为大家带来虎牙视频的爬取下载,喜欢的话记得点赞关注哟!谢谢大家。欢迎大家在评论区讨论学习。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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