Python爬虫之网页获取与网页解析
网页获取用的是requests包,网页解析的方式有re与beautifulsoup两种。
1.网页获取:
import requests
url="https://dblp.uni-trier.de/search/publ/api?q=heterogeneous%20graph%20year%3A2021%3A%7Cyear%3A2020%3A%20venue%3AInf._Sci.%3A&h=1000&format=xml"
response = requests.get(url) # 获取网页响应
encoding = response.apparent_encoding
response.encoding = encoding # 设置字符集
#解析数据
print(response.text) # 打印网页xml代码
2.网页解析:
import re
obj = re.compile(r'<hit.*?pid=".*?">(?P<name>.*?)</author>.*?<title>(?P<title>.*?)</title><venue>(?P<venue>.*?)</venue><volume>(?P<volume>.*?)</volume><pages>(?P<pages>.*?)</pages><year>(?P<year>.*?)</year>.*?<doi>(?P<doi>.*?)</doi><ee>(?P<ee>.*?)</ee>',re.S)
result = obj.finditer(xml)
for it in result:
list[i].append(it.group("name"))
print("firstAuthor:" + it.group("name")) # 第一作者
list[i].append(it.group("title"))
print("title:"+it.group("title")) #标题
if it.group("venue")!=None:
list[i].append(it.group("venue"))
print("venue:" + it.group("venue"))
list[i].append(it.group("volume"))
print("volume:" + it.group("volume"))
list[i].append(it.group("pages"))
print("pages:"+it.group("pages"))
list[i].append(it.group("year"))
print("year:"+it.group("year"))
list[i].append(it.group("doi"))
print("doi:"+it.group("doi"))
list[i].append(it.group("ee"))
print("ee:"+it.group("ee"))
print(list)
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗?
· 【译】Visual Studio 中新的强大生产力特性
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 【设计模式】告别冗长if-else语句:使用策略模式优化代码结构