Question

用python怎么提取已经抓取的网页的主要内容

具体代码以及注释 谢了

Answer 1

我这里：
【教程】抓取网并提取网页中所需要的信息 之 Python版
有代码和注释。

不过，看这个之前，你最好参考：
【整理】关于抓取网页，分析网页内容，模拟登陆网站的逻辑/流程和注意事项
去了解网站抓取相关的逻辑，然后再参考：
【教程】手把手教你如何利用工具(IE9的F12)去分析模拟登陆网站(百度首页)的内部逻辑过程
去抓取你所要处理的网站的内在执行逻辑。

(此处不给贴地址，请自己用google搜索帖子标题，即可找到帖子地址)

Answer 2

1.首先你要可以读取文件。
2.然后根据你想要抓举的内容，使用正则表达式进行匹配。

Answer 3

基本有两种思路：
一、完全将 返回的response 作为 字符串处理。那么就使用 re 正则来匹配
二、作为html dom解析。使用 beautiful soup 或者 xpath 或者 css 选择器 来选择

Answer 4

正则匹配

追问

具体怎么实现啊 求详细

追答

内容是什么样的啊？？

追问

已经成功抓到几个网页 需要从源代码中提取超链接 文件 图片等

Answer 5

用beautiful soup
具体代码太多了,自己看链接吧