上一节说到tag, 这里接着讲, tag有个属性叫做string, tag.string其实就是我们要掌握的四个对象中的第二个 NavigableString, 它代表的是该tag内的text(甚至包括空白字符, 该tag内如果有别的tag, 必须前后紧挨不带空格, 否则返回None, 这一点的原因 ...
分类：
编程语言 时间：
2016-06-16 14:33:30
阅读次数：
221
自从10号又是5天没更, 是, 我再一次断更... 原因是朋友在搞python, 老问我问题, 我python也是很久没碰了, 于是为了解决他的问题, 我只能重新开始研究python, 为了快速找回感觉, 我先是看了<简明python教程>, 出于兴趣考虑又开始看一本叫做<Web Scraping ...
分类：
编程语言 时间：
2016-06-16 01:29:30
阅读次数：
159
网络爬虫（又被称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动的抓取万维网信息的程序或者脚本。 一、urllib简介 python3中的urllib模块相对于Python2做了很大的改变，原来的urllib、urllib2、urlparse和robo ...
分类：
编程语言 时间：
2016-06-16 01:29:16
阅读次数：
581
从在知乎关注了几个大神，我发现我知乎的主页画风突变。经常会出现 诸如此类的问答。点进去之后发现果然很不错啊，大神果然是大神，关注的焦点就是不一样。 看多了几次之后，觉得太麻烦了。作为一个基佬，不，直男，其实并不关注中间的过程(文字)。其实就是喜欢看图片而已，得想个法子方便快捷地浏览，不，是欣赏这些图 ...
分类：
编程语言 时间：
2016-06-14 23:36:38
阅读次数：
790
在网上看到的教程，但是我嫌弃那个教程写的乱（虽然最后显示我也没高明多少，哈哈），就随手写了一个 主要是嫌弃盘搜那些恶心的广告，这样直接下载下来，眼睛清爽多了。 用pyinstall 打包成EXE文件，就可以安安静静的下载东西了。。。。 #refer:http://upvup.com/html/pyt ...
分类：
编程语言 时间：
2016-06-14 19:13:41
阅读次数：
418
python爬虫-urllib模块 urllib 模块是一个高级的 web 交流库，其核心功能就是模仿web浏览器等客户端，去请求相应的资源，并返回一个类文件对象。urllib 支持各种 web 协议，例如：HTTP、FTP、Gopher；同时也支持对本地文件进行访问。但一般而言多用来进行爬虫的编写 ...
分类：
Web程序 时间：
2016-06-12 00:07:46
阅读次数：
296
在上一篇《python爬虫实战：爬取Drupal论坛帖子列表》，爬取了一个用Drupal做的论坛，是静态页面，抓取比较容易，即使直接解析html源文件都可以抓取到需要的内容。相反，JavaScript实现的动态网页内容，无法从html源代码抓取需要的内容，必须先执行JavaScript。 ...
分类：
编程语言 时间：
2016-06-11 23:00:03
阅读次数：
573
Beautiful Soup，字面意思是美好的汤，是一个用于解析HTML文件的Python库 windows下载和安装 在Windows下面如何安装Beautiful Soup: 1.到http://www.crummy.com/software/BeautifulSoup/网站上上下载 2.下载完 ...
分类：
编程语言 时间：
2016-06-08 23:01:17
阅读次数：
281
下面的代码可以实现用python读取PDF，包括读取本地和网络上的PDF。 pdfminer下载地址：https://pypi.python.org/packages/source/p/pdfminer/pdfminer-20140328.tar.gz ...
分类：
编程语言 时间：
2016-06-08 12:17:48
阅读次数：
400
参考资料： Python:http://www.runoob.com/python/python-intro.html Python爬虫系列教程：http://www.cnblogs.com/xin-xin/p/4297852.html 正则表达式：http://www.cnblogs.com/de ...
分类：
其他好文 时间：
2016-06-08 10:30:00
阅读次数：
160
