非正则表达式提取信息利用的是字符串的切片原理 商铺先用spilt函数将每一条 tr tr 切割出来 然后通过循环一次遍历每一条数据。先设置begin通过index函数定位要提取内容前一条信息的位置 然后加上该条信息的长度 就到达了要提取内容的位置 然后设置end 通过index得到提取数据结束的位置。最后在每一次循环中通过字符串的切片就可以将数据提取出来了
点个 吧
代码如下
#使用字符串常用方法提取学生信息 str tbody tr td span span class c-index c-index-hot1 c-gap-icon-right-small 1 /span 张婷婷 /span /td td class opr-toplist-right 92 i class opr-toplist-st c-icon c-icon-down /i /td /tr tr td span span class c-index c-index-hot1 c-gap-icon-right-small 2 /span 王华 /span /td td class opr-toplist-right 91 i class opr-toplist-st c-icon c-icon-down /i /td /tr tr td span span class c-index c-index-hot1 c-gap-icon-right-small 3 /span 张岚 /span /td td class opr-toplist-right 90 i class opr-toplist-st c-icon c-icon-down /i /td /tr tr td span span class c-index c-gap-icon-right-small 4 /span 孙鸿峰 /span /td td class opr-toplist-right 90 i class opr-toplist-st c-icon c-icon-down /i /td /tr tr td span span class c-index c-gap-icon-right-small 5 /span 周海栋 /span /td td class opr-toplist-right 89 i class opr-toplist-st c-icon c-icon-down /i /td /tr tr td span span class c-index c-gap-icon-right-small 6 /span 武静 /span /td td class opr-toplist-right 88 i class opr-toplist-st c-icon c-icon-down /i /td /tr /tbody slt str.split( /tr ) for content in slt: n 1#设置一个标记判断内容是否被切割出来 #print(content) order_begin content.index( c-gap-icon-right-small ) len( c-gap-icon-right-small ) order_end content.index( /span ) name_begin order_end len( /span ) name_end content.index( /span ,name_begin) score_begin content.index( td class opr-toplist-right ) len( td class opr-toplist-right )#这里用了多行注释 让单行注释的效果保持 score_end content.index( i class opr-toplist-st c-icon c-icon-down ) order content[order_begin:order_end] name content[name_begin:name_end] score content[score_begin:score_end] print(order,end ) print(name,end ) print(score,end ) print( n ) print(n)
运行的结果如下
这个程序存在报错信息 但是不影响数据的提取 具体为什么会报错我还没搞清楚 之前爬取豆瓣电影榜单的时候也遇到过找不到信息的情况 不过当时是用的正则表达式的re.search函数直接返回出来一个None 这个提取学生信息我也写了一个re.search形式的 那个是在第五次作业里面 感兴趣的可以看一下
等我和同学讨论后这个报错原因后再更新一下 知道为什么会有这种原因的也请在评论区告诉我 不胜感激
