《python数据爬取 技术与实战手册》 |
您所在的位置：网站首页 › python coding:utf-8 › 《python数据爬取 技术与实战手册》 |
|
1. HTML
HTML文件基本构成 //声明为html5文档 //语言属性为英文 //是所有头部元素的容器 //声明编码方式为 UTF-8 //页面标题 // 结束 //html的主题内容 //标题 从到由大到小//段落 属性 HTML标签可以在开始标签中添加属性，为HTML标签提供一些附加信息 比如说 //背景颜色 //对齐方式//id属性是标签在网页的唯一标识 有一些在网页中经常看到的元素，比如超链接，图像，表格，列表，表单等 1.超链接一般用包含href属性的标签创建超链接，标签一般包含三个属性， 存放要跳转到的目标网址 决定点开链接后，目标网页在何处出现，默认为"_self" Baidu Baidu Baidu //新标签页 Baidu //当前页面 Baidu //父窗口？ 2.图像标签为 ,为空标签，即只有属性，没有闭合标签 一般有两个属性 源地址(src)和替代文件(alt) alt属性的作用是在src无法加载时显示替代文本，有利于用户在网络不畅的情况下了解图片内容 3.表格标签，首先用 分行 (table row)，再用 分格(table date) 1 2 3 4 效果 4.列表分为两类，有序列表和无序列表 ,其中包含 (list item) 无序列表 (unordered list) 123 456 效果 有序列表 (ordered list) 123 456 效果 5.表单一般用来做输入框，表单元素最重要的元素是，也是一个没有结束标签的空标签，主要用于收集用户输入 re库python中正则表达式功能都集成在re模块中 match()和search() match() 必须从头开始匹配 search() 全部 若匹配成功，返回一个对象，否则null，该对象有两个方法： group() groups() 若正则表达式中无分组，group()返回匹配结果，groups ()返回空元组 若正则表达式中有分组，group()和group(0)返回整个匹配结果，group(n)返回第n个分组的匹配结果,groups()返回元组，元素为每一组的匹配结果findall() : 返回列表包含所有匹配的子串，如果包含分组，则只返回分组的那一部分，如果有多个分组，以列表嵌套元组返回 split() : 返回列表，表示字符串被某字符分解 sub() : sun(a,b,c) 用b替换c中的a， 或者 import re r = 'a' r = re.compile(r) a = ' a bcdefg' print(r.sub('s', a))这两种方法都是返回替换后的字符串，字符串本身不变 compile() : 将正则表达式字符串预编译，在数据较大情况下可加快速度 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |