python中怎么利用正則表達(dá)式從網(wǎng)頁摘取信息，很多新手對(duì)此不是很清楚，為了幫助大家解決這個(gè)難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

賓川網(wǎng)站建設(shè)公司創(chuàng)新互聯(lián),賓川網(wǎng)站設(shè)計(jì)制作，有大型網(wǎng)站制作公司豐富經(jīng)驗(yàn)。已為賓川上1000+提供企業(yè)網(wǎng)站建設(shè)服務(wù)。企業(yè)網(wǎng)站搭建\外貿(mào)網(wǎng)站建設(shè)要多少錢，請(qǐng)找那個(gè)售后服務(wù)好的賓川做網(wǎng)站的公司定做！

確認(rèn)數(shù)據(jù)源

練習(xí)從網(wǎng)頁爬取數(shù)據(jù)時(shí)，為了不觸發(fā)網(wǎng)站的反爬機(jī)制，建議打開網(wǎng)頁另存為html文件。我從某網(wǎng)站保存了一頁關(guān)于房產(chǎn)信息的網(wǎng)頁，嘗試從中爬取信息。

然后用notepad++打開該文件，看看文件內(nèi)容。

編寫正則表達(dá)式

是不是感覺有點(diǎn)無從下手？別慌，慢慢來。通過對(duì)比網(wǎng)頁和網(wǎng)頁代碼我們確認(rèn)信息特征。

房產(chǎn)名稱：

急降60萬  急賣全款客戶來 寶山二村好位置

復(fù)制該信息，到html文件中通過ctrl+F查找該信息，然后認(rèn)真查看“房產(chǎn)名稱”前后的字符特征：

前面的字符特征：

;"  >

后面的字符特征：

 

現(xiàn)在對(duì)照房產(chǎn)名稱前后的字符特征編寫正則表達(dá)式，同時(shí)給“房產(chǎn)名稱”進(jìn)行分組命名(?P.*?)：

;"  >(?P.*?) 

注意： .*?在爬取網(wǎng)頁時(shí)經(jīng)常會(huì)用到，表示匹配任意內(nèi)容任意數(shù)量直到遇到后面的字符特征結(jié)束。

房型：

現(xiàn)在再觀察下一項(xiàng)“房型”信息前后的字符特征：

前面的字符特征：

span>

后面的字符特征：

如法炮制，提取“房型”信息并進(jìn)行分組命名(?P.*?)：

span>(?P.*?)

注意： 在房產(chǎn)名稱和房型之間有大段網(wǎng)頁代碼，我們可以寫.*?對(duì)應(yīng)該段代碼表示跳過。

面積：

現(xiàn)在再觀察下一項(xiàng)“面積”信息前后的字符特征：

前面的字符特征：

<span>

后面的字符特征：

 
如法炮制，提取“面積”信息并進(jìn)行分組命名(?P.*?)：
<span>(?P.*?) 
總價(jià)：
現(xiàn)在就剩最后一項(xiàng)“總價(jià)”信息，繼續(xù)查找該信息前后的字符特征：
前面的字符特征：
<b>
后面的字符特征：
<
如法炮制，提取“總價(jià)”信息并進(jìn)行分組命名(?P.*?)：
<b>(?P.*?)<
現(xiàn)在提取網(wǎng)頁數(shù)據(jù)四項(xiàng)信息的正則表達(dá)式均已寫好，注意每一項(xiàng)信息之間間隔了很多的網(wǎng)頁代碼，我們可以用.*?對(duì)應(yīng)該段代碼表示跳過。讓我們現(xiàn)在把4段信息連起來，寫出完整的正則表達(dá)式：
rex = ';"  >(?P.*?)&nbsp;.*?span>(?P.*?).*?<span>(?P.*?) <b>(?P.*?)<'
編寫代碼
import rewith open('房屋信息.html',encoding='utf8') as f:text = f.read()rex = ';"  >(?P.*?)&nbsp;.*?span>(?P.*?).*?<span>(?P.*?) <b>(?P.*?)<'ret = re.finditer(rex, text, re.S)j = 1for i in ret:print(j,i.group('name'), i.group('type'), i.group('area'), i.group('price'))j +=1
輸出內(nèi)容
最終輸出內(nèi)容有120項(xiàng)，信息式樣如下：
看完上述內(nèi)容是否對(duì)您有幫助呢？如果還想對(duì)相關(guān)知識(shí)有進(jìn)一步的了解或閱讀更多相關(guān)文章，請(qǐng)關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝您對(duì)創(chuàng)新互聯(lián)的支持。
            
            
                        

            分享題目：python中怎么利用正則表達(dá)式從網(wǎng)頁摘取信息            

            鏈接URL：http://weahome.cn/article/jsogcj.html