Python爬虫---解析网站特定数据

前言

有时候爬取网站时，我们只需要特定的数据，这时候我们就需要用到正则表达式来匹配数据

代码示例

以北京卫健委疫情数据为例

我们只需要爬取红框中的数据

#!/usr/bin/env python 
# -*- coding:utf-8 -*-
import re
import requests
from bs4 import  BeautifulSoup
if __name__ == '__main__':
    url = 'http://wjw.beijing.gov.cn/wjwh/ztzl/xxgzbd/gzbdyqtb/'
    #用户伪装成浏览器
    headers = {
    
    
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36'
    }
    #返回请求的html代码
    resp = requests.get(url=url,headers=headers)
    html = resp.text
    bs = BeautifulSoup(html)
    #解析特定标签
    content = bs.find_all(name='a',attrs={
    
    "target":"_blank"})
    print(content)
    #遍历每一个匹配的标签
    for item in content:
        strs = item.string
        #正则表达式匹配特定数据
        result = re.search("新增(\d+)例本土确诊病例、(\d+)例本土无症状.*(\d+)例境外输",strs)
        print(result)
        if result:
            #print(result.group())
			 #输出特定的三种数据           
 			print(result.group(1),result.group(2),result.group(3))

运行结果