《大数据导论》课件-3.3.2正则表达式解析数据_第1页
《大数据导论》课件-3.3.2正则表达式解析数据_第2页
《大数据导论》课件-3.3.2正则表达式解析数据_第3页
《大数据导论》课件-3.3.2正则表达式解析数据_第4页
《大数据导论》课件-3.3.2正则表达式解析数据_第5页
已阅读5页，还剩5页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

大数据导论数

据

采

集基于正则表达式的数据爬取目录01任务描述02

HTML源代码分析03抓取代码实现

任务描述在爬虫的开发中，需要把有用的信息从一大段文本中提取出来。正则表达式是提取信息的方法之一。本任务是使用Python正则表达式匹配豆瓣电影评分TOP250页面电影名字、电影介绍链接、电影评分等信息。思路如下：（1）引入使用正则表达式所需要的包。（2）模拟浏览器请求，请求豆瓣电影TOP250的数据。（3）使用compile方法，匹配出目标内容。（关键编写正确的正则表达式）HTML源代码分析<li><divclass="item">***************<divclass="info"><divclass="hd">

<ahref="https:///subject/1292052/"class="">

<spanclass="title">肖申克的救赎</span>

******************</a>

*******************<divclass="star">

*************************<spanclass="rating_num"property="v:average">9.7</span>

******************</div>********************</div></div></div></li>'<li>.*?<divclass="hd">\n\s*?<ahref="(.*?)"class="">.*?class="title">(.*?)</span>.*?property="v:average">(.*?)</span>.*?</li>'匹配正则表达式*颜色对应爬取功能划分由于待解析的内容属于文本，因此可以使用正则表达式进行解析解析html文本内容从服务器获取html文档返回文本形式的内容获取html文档依次访问所有页面

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论