一、需要系统的学习正则表达式
1、元字符
1..:除了\n以外的任意字符
2.*:出现0到多次
3.?:出现0或者1次
4.+:表示出现1到多次
2、常用的方法
1.compile:表示生成正则表达式参考地址
2.findall:查找全部注意返回的是一个列表参考地址
import re
import requests
class GuShiWen(object):
def __init__(self):
self.headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36',
}
def get_html(self):
"""
抓取古诗文第一页内容
:return:
"""
response = requests.get(url=self.url, headers=self.headers)
if response.status_code == 200:
gusiwen_list = []
params = re.compile('.*?(
article_list = params.findall(response.text)
for article in article_list:
gusiwen_dict = {}
title = re.compile('.*?(.*)', re.S).findall(article)[0]
content = re.compile('.*?
', '')
gusiwen_dict['title'] = title
gusiwen_dict['content'] = content
gusiwen_list.append(gusiwen_dict)
print(gusiwen_list)
return
print('请求错误')
if __name__ == "__main__":
gusiwen = GuShiWen()
gusiwen.get_html()
1、基本上是使用findall方法
2、主要是网页多行字符要使用re.S
3、如果正则比较复杂的时候使用re.compile()对正则包装下
