在python中爬行，我不能使用findALL
在Python中爬行时，如果不能使用findALL，可以使用re模块来进行正则表达式匹配。正则表达式是一种强大的文本匹配工具，可以用于在字符串中查找特定模式的文本。
下面是一个示例代码，演示如何使用正则表达式在Python中进行爬行：
import re
import requests
# 发送HTTP请求获取网页内容
response = requests.get("https://example.com")
html_content = response.text
# 使用正则表达式匹配网页中的链接
pattern = r'<a href="(.*?)">'
links = re.findall(pattern, html_content)
# 打印匹配到的链接
for link in links:
print(link)在上面的代码中，我们使用requests库发送HTTP请求获取网页内容，然后使用正则表达式<a href="(.*?)">匹配网页中的链接。re.findall函数返回一个列表，包含所有匹配到的链接。最后，我们遍历列表并打印每个链接。
相关·内容
1回答
我正在使用python 3.x练习爬行padding-alttarget="_blank"><strong><img align="center"width="108"&
浏览 5提问于2017-01-03得票数 0
回答已采纳
我是Python的初学者，尝试使用BeautifulSoup爬行。并试图抓取一个收集产品信息的网站。pr_url = soup.findAll("li", {"class", "_3FUicfNemK"})使用BeautifulSoup进行爬行的其他代码都是一样的。但问题是，即使我写下了正确的组件，也不会发生任何事情。
所以我想的是，主机阻塞了产品区域，不能被
浏览 0提问于2020-03-05得票数 1
回答已采纳
3回答
我试图通过编写一个非常简单的web爬虫来教自己Python。#!response = urllib.urlopen(url) time.sleep(politeness)
我<e
浏览 2提问于2014-04-18得票数 1
回答已采纳
4回答
出于学术和性能的考虑，给定这种爬行递归web爬行功能(仅在给定域内爬行)，让它迭代运行的最佳方法是什么？目前，当它运行时，当它完成时，python已经使用了超过1 1GB的内存，这对于在共享环境中运行是不可接受的。try:
links = BeautifulSoup(urllib2.urlopen(url)).findAll(Crawler.
浏览 1提问于2009-03-29得票数 4
回答已采纳
1回答
)( html )<tr class='even'> ~~~~我要“奇数”班和“偶数”班。(plain_txt, 'lxml')
但,
trTag =
浏览 4提问于2017-01-24得票数 1
我正在使用BeautifulSoup爬行一个网站。<time class="poster-card__date"> "Wed 16"</time>for event_date in soup.findAll('time',{'clas
浏览 4提问于2015-12-02得票数 0
回答已采纳
1回答
下面是python中的一段代码，用于爬行网页并打印图像的urls：m = re.findalli)(jpg|jpeg|png|gif|bmp|tif
浏览 0提问于2015-10-26得票数 2
回答已采纳
1回答
我正在尝试用Python语言中的BeautifulSoup来做一个基本的网络爬行器。然而，我的目标页面正在使它变得困难。'<div id="miniwidget" style="width:100%; height:100%;"></div>'
我已经在Google Chrom
浏览 16提问于2020-02-05得票数 0
1回答
在漂亮的汤包中是否有允许用户在站点中设置爬行深度的功能？我对Python还比较陌生，但是我以前在R中使用过MaxDepth，而且爬虫提供了“”，所以爬虫将在一定数量的链接范围内从该领域的主页。https://stackoverflow.com/", no_cores = 4, no_conn = 4, ExtractCSSPat = c("div"), ****MaxDept
浏览 7提问于2017-12-20得票数 2
回答已采纳
1回答
我正在学习使用Python3进行爬行。<ul class='report_thum_list img'> <li>...</li>ulTag = soup.findAll('ul', class_='report_thum_list img&#x
浏览 0提问于2017-02-14得票数 0
回答已采纳
2回答
我正试图从爬行中获得的链接中删除所有的标签。response = urllib2.urlopen(request) if 'http://sport.detik.com/sepakbola/read/' in a['href']:
浏览 0提问于2014-05-02得票数 0
回答已采纳
如何提取其中的所有数据 段落标记和哪些在命名类下？我从一个类似问题的答案中获得了灵感： Web crawling using python beautifulsoup 并想出了这段代码： import requestsarticle = soup.find('div')
ps = article.findall</e
浏览 15提问于2020-11-04得票数 1
回答已采纳
1回答
我有一个python3脚本，我在其中调用了2个抓取爬行器，以便在代码中的某个时刻输出一个JSON文件。目前，我通过运行如下所示的bat脚本来做到这一点：Bat脚本：scrapy crawl project2 -o project2.js
浏览 20提问于2020-07-30得票数 1
回答已采纳
3回答
我想知道哪种编程语言提供了大量的库来编写web机器人程序？就像在网页上抓取数据一样。假设我想为weather.yahoo.com网站获取天气信息。
同样，对于AI桌面机器人，答案也是一样的吗？
浏览 2提问于2010-11-18得票数 4
回答已采纳
我正在做一个基本的python网络爬行程序，进入一个网站，读取电子邮件地址，并显示为输出。我得到了正确的答案，但它正在重复。你能帮我修一下吗？下面是程序： from re import findall
html = res
浏览 42提问于2020-04-21得票数 0
在这里，我使用python中的're‘模块来爬行一个网页，有4个迭代，每次迭代之后，它都会返回像这样的空数组，但是输出应该是所需股票的股价，symbol.There在regex变量中没有错误，因为它正在打印</span>' print regex
price = re.findall(pattern,html
浏览 5提问于2016-02-14得票数 0
回答已采纳
1回答
我用这个蜘蛛爬行一个页面并下载它的图片：from scrapy.contrib.linkextractorsself, response): image['title'] = 'a'
relative_urls = re.findallurljoin(response.url
浏览 3提问于2016-02-01得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
