用python怎么提取已经抓取的网页的主要内容

发布网友 发布时间：2022-04-24 16:13

我来回答

共5个回答

热心网友 时间：2022-04-18 09:47

我这里：
【教程】抓取网并提取网页中所需要的信息 之 Python版
有代码和注释。

不过，看这个之前，你最好参考：
【整理】关于抓取网页，分析网页内容，模拟登陆网站的逻辑/流程和注意事项
去了解网站抓取相关的逻辑，然后再参考：
【教程】手把手教你如何利用工具(IE9的F12)去分析模拟登陆网站(百度首页)的内部逻辑过程
去抓取你所要处理的网站的内在执行逻辑。

(此处不给贴地址，请自己用google搜索帖子标题，即可找到帖子地址)

热心网友 时间：2022-04-18 11:05

1.首先你要可以读取文件。
2.然后根据你想要抓举的内容，使用正则表达式进行匹配。

热心网友 时间：2022-04-18 12:40

基本有两种思路：
一、完全将 返回的response 作为 字符串处理。那么就使用 re 正则来匹配
二、作为html dom解析。使用 beautiful soup 或者 xpath 或者 css 选择器 来选择

热心网友 时间：2022-04-18 14:31

正则匹配

热心网友 时间：2022-04-18 16:39

用beautiful soup
具体代码太多了,自己看链接吧

参考资料：http://www.crummy.com/software/BeautifulSoup/bs3/documentation.zh.html