python抓取頁面中主要信息的方法（二）

天下的網站沒有我爬不到的，只有不想爬的（有吹牛逼之嫌）。

Python2慢慢被Python3所代替了，主要以3爲主，話不多說，直接看技術點吧

1. 正則表達式re（難）
   1. 獲取<tr></tr>標籤之間內容
   2. 獲取<a href..></a>超鏈接之間內容
   3. 獲取URL最後一個參數命名圖片或傳遞參數
   4. 爬取網頁中所有URL鏈接
   5. 爬取網頁標題title兩種方法
   6. 定位table位置並爬取屬性-屬性值
   7. 過濾<span></span>等標籤
   8. 獲取<script></script>等標籤內容
   9. 通過replace函數過濾<br />標籤
   10. 獲取<img ../>中超鏈接及過濾<img>標籤
   • 代碼：

   • import re
     content = 
     <td> 
     <a href="https://www.baidu.com/articles/zj.html" title="山西省">山西煤多</a> 
     <a href="https://www.baidu.com//articles/gz.html" title="北京市">北京人多</a> 
     </td> 
     # 獲取<a href></a>之間的內容
     print(u'獲取鏈接文本內容:')
     res = r'<a .*?>(.*?)</a>'
     mm = re.findall(
         res, content, re.S | re.M)
     for value in mm:
         print(value)
     # 獲取所有<a href></a>鏈接所有內容
     print(u'\n