完整的**如下在這裡：
閒著沒事，把解析html中的正則方法改用了xpath與beautifulsoup，只能說各有各的優點吧。
正則的話，提取資訊可以連貫，一次性提取出所有需要的資訊，當然前提是你的正則式子沒有寫錯，所以說正則寫起來相比xpath與beautifulsoup來說要複雜一下，提取出錯後，除錯也比較麻煩一下。
xpath的話，相比beautifulsoup提取資訊的時候，比較容易理解，理解好幾個規則，提取資訊的**寫起來非常流暢也非常快，感覺唯一一點不足就是說在巢狀查詢的時候，雖然可以通過下標什麼的來定位，但是比起beautifulsoup的find()與find_all()方法差了很多。
beautifulsoup：這是我寫下來，感覺**最簡單的，也比正則容易理解。本身網頁**的結構就是層層巢狀的，相比前面的兩個動不動就是獲取所有的匹配節點，這種巢狀查詢的方式，感覺更好操作一些。
以上皆為個人觀點，若有不對，還請賜教。
xpath提取：
def parse_one_page_xpath(html):
html = etree.html(html)
rank = html.xpath('//dd/i/text()')
# print(rank)
title = html.xpath('//dl//dd/a/@title')
# print(title)
star = html.xpath('//p[@class="star"]/text()')
# print(star)
relasetime = html.xpath('//p[@class="releasetime"]/text()')
# print(relasetime)
score = html.xpath('//p[@class="score"]//i//text()')
# print(score)
for i in range(len(title)):
yield
def parse_ont_page_beautifulsoup(html):
soup = beautifulsoup(html, 'lxml')
for dd in soup.select('dd'):
rank = dd.find('i').string
name = dd.find(class_='image-link')['title']
star = dd.find(class_='star')
if star is not none:
star = star.string[3:]
time = dd.find(class_='releasetime')
if time is not none:
time = time.string[5:]
yield
爬取貓眼電影排行100電影
import json import requests from requests.exceptions import requestexception import re import time 獲取單頁的內容 def get one page url try response requests....
python 爬取貓眼電影排行資料
爬取的是電影的名稱 排名 演員 上映時間 評分 等 話不多說看 就懂了 用的是正規表示式進行匹配，實現的是乙個最基本的對網頁的爬取功能。import requests import re import json import time def get one page url try respons...
爬取貓眼電影排行榜
匯入我們需要的模組 import reimport requests 一 獲取網頁內容 1 宣告目標url，就是爬取的 位址 base url 2 模仿瀏覽器 headers 3 發起請求 response requests.get base url,headers headers 4 接收響應的資...