CSDN文章抓取
摘要：在抓取网页的时候只想抓取主要的文本框，例如 中的主要文本框为下图红色框： 抓取的思想是，利用 查找所有的 ，用正则筛选出每个 里面的中文，找到中文字数最多的 就是属于正文的 了。定义一个抓取的头部抓取网页内容： 识别每个 中文字的正则： 遍历每一个 ，利用正则判断里面中文的字数长度，找到长度最长的
阅读全文
posted @ 2017-10-30 15:02
10 2017 档案
python识别html主要文本框
摘要：在抓取网页的时候只想抓取主要的文本框，例如 中的主要文本框为下图红色框： 抓取的思想是，利用 查找所有的 ，用正则筛选出每个 里面的中文，找到中文字数最多的 就是属于正文的 了。定义一个抓取的头部抓取网页内容： 识别每个 中文字的正则： 遍历每一个 ，利用正则判断里面中文的字数长度，找到长度最长的
阅读全文
posted @ 2017-10-24 14:41
selenium下拉到页面最底端
摘要：selenium操控浏览器下拉到页面最底端： !/usr/bin/env python coding: utf 8 from selenium import webdriver import time if __name__ == '__main__': url = "http://blog.csd
阅读全文
posted @ 2017-10-13 18:00
dataframe去除null、NaN和空字符串
摘要：去除null、NaN 去除 中的 、 有方法 ，用 找出带有 、 的行，用 删除行： 去除空字符串 去除空字符串用 ：
阅读全文
posted @ 2017-10-12 11:00
