01 2023 档案
摘要：需求：爬取斗图网数据 首先我们使用线程的方式，爬取前4页数据 准备工作 图片链接存在页面源代码中 但是，界面使用了懒加载技术，真正的url在data-original中 import requests from lxml import etree from concurrent.futures im
阅读全文
摘要：需求：爬取1996-2023年电影票房排行榜 首先，我们先爬取一年的数据，然后通过循环，逐一爬取每一年的数据。通过测试，话费时间32秒，代码如下： import requests from lxml import etree import time #处理数据，电影排行末尾 有的有空行，有的没有 d
阅读全文
摘要：定义：re模块称为正则表达式； 作用：创建一个"规则表达式"，用于验证和查找符合规则的文本，广泛用于各种搜索引擎、账户密码的验证等； 预定义字符 \d 匹配所有的十进制数字 0-9 \D 匹配所有的非数字，包含下划线 \s 匹配所有空白字符（空格、TAB等） \S 匹配所有非空白字符，包含下划线 \
阅读全文
