Python網絡數據採集二

1、正則表達式

 *     表匹配0次或者屢次  a*b*

+    表至少一次

[ ]   匹配任意一個

( )  辨識一個編組

{m，n} m或者n 次

[^]  匹配任意不在中括號裏的字符

|    表示或者

.    表示匹配任意字符

^    表字符的開始 ^a  表示以a開始

\    表示轉義字符

$  和^ 相反  從字符串的末尾開始匹配

？！ 不包含

2、得到屬性

得到一個標籤的所有屬性

myTag.attrs

獲取圖片的資源位置src

myImgTag.attrs["src"]

 

 

獲取網頁的函數：

random.seed(datetime.datetime.now())def getLinks(articleUrl): html = urlopen("http://en.wikipedia.org"+articleUrl) bs0bj = BeautifulSoup(html) return bs0bj.find("div",{"id":"bodyContent"}).findAll("a",herf=re.compile("^(/wiki/)((?!:).)*$"))links = getLinks("/wiki/Kevin_Bacon")while len(links) > 0: newArticle = links[random.randint(0,len(links)-1)].attrs["href"] print(newArticle) link = getLinks(newArticle)