イディオムWebサイトをクロールするためのPython正規表現

1. まずオンラインのイディオム Web サイトを見つけます

2. Web ページの構造を確認し、正規表現を定義します。

キャプチャしたいイディオムのタグの特徴を確認します。ソース コードを確認すると、目的のイディオムが存在することがわかります。 An Rupanshi のように、キャプチャしたいものはすべて タグ内にあり、実際にはさまざまなイディオムが指すテキストになります。実際には、「/cy0/93.html」です。数値が異なるため、正規表現で数値を 2 回一致させるだけです。正規表現 reg = "(.*?)"。
3. コードを書いてみましょう

コードをコピーします コードは次のとおりです:

#anthor jiqunpeng
#time 20121124
import urllib
インポート

def getHtml(url): #URL から HTML コンテンツを読み取ります
page = urllib.urlopen(url)
html = page.read()
page.close()
return html

def getDictionary(html): #マッチング イディオム
reg = "(.*?)"
dicList = re.compile(reg).findall(html)
return dicList

def getItemSite():#各文字で始まるページ数を手動でカウントします
itemSite = {}#空の辞書として宣言します
itemSite["A"] = 3
itemSite["B "] = 21
itemSite["C"] = 19
itemSite["D"] = 18
itemSite["E"] = 2
itemSite["F"] = 14
itemSite["G"] = 13
itemSite["H"] = 15
itemSite["J"] = 23
itemSite["K"] = 6
itemSite["L" ] = 15
itemSite["M"] = 12
itemSite["N"] = 5
itemSite["O"] = 1
itemSite["P"] = 6
itemSite["Q"] = 16
itemSite["R"] = 8
itemSite["S"] = 26
itemSite["T"] = 12
itemSite["W"] = 13
itemSite["X"] = 16
itemSite["Y"] = 35
itemSite["A"] = 21
return itemSite

if __name__== "__main__":
dicFile = open("dic.txt","w+")# イディオム ファイルを保存します
domainsite = "http://chengyu.itlearner.com/list /"
itemSite = getItemSite()
itemSite.items() の key,values:
range(1,values+1) のインデックス:
site = key +"_ "+ Str (index)+".html"
Dictionary = getDictionary (Gethtml (DomainSite+Site))
辞書内の DIC:
DICFILE.WRITE (DIC [2]+"@@") # # これをイディオムとしてマークし、分割するときに
を使用します。 print key+'文字イディオムのキャプチャが完了しました。
イディオムをテキスト テキストに保存し、接尾辞タグを追加します。
最後に、正規表現を設計するときは、正しいと思っていても一致しない状況が発生することがあります。たとえば、解析する場合は空白文字に注意してください。

コードをコピー

コードは次のとおりです:

っくん

1 行目と 2 行目の空白文字はわかりません。index = html.find('avatar_name'), html[4677:4677+100] を使用すると、空白以外の文字を確認できます。

関連ラベル：

python 正規表現

ソース：php.cn

前の記事：プロキシサービス機能のPython実装例 次の記事：Pythonを使用してWebサイトのデータを保存する方法

このウェブサイトの声明

この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

著者別の最新記事

• NullPointerException とは何ですか?どのように修正すればよいですか?
  2024-10-22 09:46:29
• 初心者からプログラマーへ: 旅は C の基礎から始まります
  2024-10-13 13:53:41
• PHP による Web 開発のロックを解除する: 初心者ガイド
  2024-10-12 12:15:51
• C の謎を解く: 新人プログラマーのための明確でシンプルな道
  2024-10-11 22:47:31
• コーディングの可能性を解き放つ: まったくの初心者のための C プログラミング
  2024-10-11 19:36:51
• 内なるプログラマーを解き放つ: まったくの初心者のための C
  2024-10-11 15:50:41
• C で生活を自動化する: 初心者向けのスクリプトとツール
  2024-10-11 15:07:41
• PHP を簡単に: Web 開発の最初のステップ
  2024-10-11 14:21:21
• Python で何でも構築: 創造性を解き放つための初心者ガイド
  2024-10-11 12:59:11
• コーディングの鍵: 初心者のための Python の力を解き放つ
  2024-10-11 12:17:31

最新の問題

単語と一致する正規表現 新しいジョブ名をデータベース内の既存のジョブ名と照合しようとするスクリプトがあります。 SELECTa.titleASJobTitle,j.DescriptionASMatched...

から 2024-04-06 21:24:04

0

1

606

MERN スタックの検索ボックスとチェックボックスの正規表現フィルター 私は実行しながら学習することで MERN スタックがどのように連携するかを理解しようとしており、bezcoder の次のチュートリアルに従っています: Node.js/Expres...

から 2024-04-06 14:53:12

0

1

425

React でスリーステート スイッチングを実装する最良の方法は? React で、ある状態から次の状態への状態変更をトリガーするボタンをいくつか作成しています。ボタンの中には、列挙型で表される 3 つの状態を持つものもあります。これら 3 つの状...

から 2024-04-06 13:51:32

0

1

418

jQuery.remove() および array.splice() の問題 アイテムのリストと買い物リストを含むページがあります。アイテムのリストから x 個のアイテムをショッピング リストに追加する場合は、ショッピング リスト内のアイテムをクリックし、そ...

から 2024-04-04 17:21:35

0

1

347

PHP: 複数の重複一致の複数のインスタンスを照合して置換するための正規表現 ユーザーがコンテンツに ((MagicalSword)) のようなものを追加できるゲーム コミュニティ/データベース用のショートコード システムを作成しようとしています。これは、イ...

から 2024-04-04 15:41:01

0

1

439

関連トピック

詳細>

• Python開発ツール
• js正規表現
• 正規表現には以下が含まれません
• Java正規表現構文
• 実行可能ファイルにパッケージ化されたPython
• Pythonで何ができるのか
• Pythonでフォーマットを使用する方法
• Pythonのチュートリアル