这次实战又学习了一个新的函数zip
zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。
如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。
a = [1,2,3]
b = [4,5,6]
c = [4,5,6,7,8]
zipped = zip(a,b) # 打包为元组的列表
[(1, 4), (2, 5), (3, 6)]zip(a,c) # 元素个数与最短的列表一致
[(1, 4), (2, 5), (3, 6)]zip(*zipped) # 与 zip 相反，*zipped 可理解为解压，返回二维矩阵式
[(1, 2, 3), (4, 5, 6)]
古诗文网
代码如下：
import requests
import re
def parse_page(url):
headers={"user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.87 Safari/537.36"}
response=requests.get(url,headers=headers)
text=response.text
title=re.findall(r'<div class="yizhu">.*?<b>(.*?)</b>',text,re.DOTALL)#re.DOTALL可以让*匹配换行符
dynasty=re.findall(r'<p class="source"><a.*?>(.*?)</a>',text,re.DOTALL)
poet=re.findall(r'<p class="source"><a.*?>.*?<a.*?>(.*?)</a>',text,re.DOTALL)
poems_tags=re.findall(r'<div class="contson".*?>(.*?)</div>',text,re.DOTALL)
poems=[]
for z in poems_tags:
x=re.sub("<.*?>","",z)
poems.append(x.strip())
result=[]
for value in zip(title,dynasty,poet,poems):
title, dynasty, poet, poems=value
ancientsongs={"title":title,"dynasty":dynasty,"poet":poet,"poems":poems}
result.append(ancientsongs)
print(result)
def main():
url="https://www.gushiwen.org/default_1.aspx"
for x in range(1,11):
url="https://www.gushiwen.org/default_%s.aspx"%x
parse_page(url)
if __name__ == '__main__':
main()
结果如下：
C:\python38\python.exe “C:/python38/new project/2rd/day9.py”
[{‘title’: ‘古宴曲’, ‘dynasty’: ‘唐代’, ‘poet’: ‘于濆’, ‘poems’: ‘雉扇合蓬莱，朝车回紫陌。重门集嘶马，言宴金张宅。燕娥奉卮酒，低鬟若无力。十户手胼胝，凤凰钗一只。高楼齐下视，日照罗衣色。笑指负薪人，不信生中国。’}, {‘title’: ‘折桂令·中秋’, ‘dynasty’: ‘元代’, ‘poet’: ‘张养浩’, ‘poems’: ‘一轮飞镜谁磨？照彻乾坤，印透山河。玉露泠泠，洗秋空银汉无波，比常夜清光更多，尽无碍桂影婆娑。老子高歌，为问嫦娥，良夜恹恹，不醉如何？’},
[{‘title’: ‘浣溪沙·相见休言有泪珠’, ‘dynasty’: ‘五代’, ‘poet’: ‘欧阳炯’, ‘poems’: ‘相见休言有泪珠，酒阑重得叙欢娱，凤屏鸳枕宿金铺。兰麝细香闻喘息，绮罗纤缕见肌肤，此时还恨薄情无？’}, {‘title’: ‘春寒’, ‘dynasty’: ‘宋代’, ‘poet’: ‘陈与义’, ‘poems’: ‘二月巴陵日日风，春寒未了怯园公。海棠不惜胭脂色，独立蒙蒙细雨中。’}, {‘title’: ‘书边事’, ‘dynasty’: ‘唐代’, ‘poet’: ‘张乔’, ‘poems’: ‘调角断清秋，征人倚戍楼。春风对青冢，白日落梁州。大漠无兵阻，穷边有客游。蕃情似此水，长愿向南流。’}, {‘title’: ‘东还’, ‘dynasty’: ‘唐代’, ‘poet’: ‘李商隐’, ‘poems’: ‘自有仙才自不知，十年长梦采华芝。 秋风动地黄云暮，归去嵩阳寻旧师。’}, {‘title’: ‘安公子·远岸收残雨’, ‘dynasty’: ‘宋代’, ‘poet’: ‘柳永’, ‘poems’: ‘远岸收残雨。雨残稍觉江天暮。拾翠汀洲人寂静，立双双鸥鹭。望几点、渔灯隐映蒹葭浦。停画桡、两两舟人语。道去程今夜，遥指前村烟树。游宦成羁旅。短樯吟倚闲凝伫。万水千山迷远近，想乡关何处。自别后、风亭月榭孤欢聚。刚断肠、惹得离情苦。听杜宇声声，劝人不如归去。’},删除部分结果** {‘title’: ‘执竞’, ‘dynasty’: ‘先秦’, ‘poet’: ‘佚名’, ‘poems’: ‘执竞武王，无竞维烈。不显成康，上帝是皇。自彼成康，奄有四方，斤斤其明。\n钟鼓喤喤，磬莞将将，降福穰穰。降福简简，威仪反反。既醉既饱，福禄来反。’}, {‘title’: ‘知音者诚希’, ‘dynasty’: ‘唐代’, ‘poet’: ‘韩愈’, ‘poems’: ‘知音者诚希，念子不能别。行行天未晓，携酒踏明月。’}, {‘title’: ‘惠崇春江晚景二首 / 惠崇春江晓景二首’, ‘dynasty’: ‘宋代’, ‘poet’: ‘苏轼’, ‘poems’: ‘竹外桃花三两枝，春江水暖鸭先知。蒌蒿满地芦芽短，正是河豚欲上时。\n两两归鸿欲破群，依依还似北归人。遥知朔漠多风雪，更待江南半月春。’}, {‘title’: ‘伤心行’, ‘dynasty’: ‘唐代’, ‘poet’: ‘李贺’, ‘poems’: ‘咽咽学楚吟，病骨伤幽素。秋姿白发生，木叶啼风雨。 灯青兰膏歇，落照飞蛾舞。古壁生凝尘，羁魂梦中语。’}, {‘title’: ‘游岳麓寺’, ‘dynasty’: ‘明代’, ‘poet’: ‘李东阳’, ‘poems’: ‘危峰高瞰楚江干，路在羊肠第几盘？万树松杉双径合，四山风雨一僧寒。平沙浅草连天远，落日孤城隔水看。蓟北湘南俱入眼，鹧鸪声里独凭栏。’}]
Process finished with exit code 0
抓狂网：
import re
import requests
def parse_page(url):
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.87 Safari/537.36"}
response = requests.get(url, headers=headers)
text = response.text
duan_zis = re.findall(r'<div class="content".*?>(.*?)</div>', text, re.DOTALL)
duanzis = []
for duanzi in duan_zis:
x = re.sub("<.*?>", "", duanzi)
print(x.strip())
print("*" * 40)
def main():
url = "http://www.yicommunity.com/"
parse_page(url)
if __name__ == '__main__':
main()
结果如下：
C:\python38\python.exe “C:/python38/new project/2rd/dday9.py”
第一次发，希望过。今天跑业务###怎么割的###路过建行24小时ATM，玻璃门，一妹纸取完钱准备出来，打不开门了，双手趴在玻璃门上一脸惊恐和苦逼的看着外面的人………………妹纸，难道你是真没看到旁边写的“按键开门”么？
去年出去实习，在大山上，山上有许多栗子树，老师特别嘱咐我们不要摘，也不要捡----割割-----中午我们坐在树下休息，有个同学好奇的拣了个栗子，开心的说，哇!原来栗子是长这样的！这时突然从旁边玉米地里冲出一大婶，手持镰刀，大叫，谁偷我栗子！！！我们全傻了，难道这就是传说中的潜伏。。。
手机不割…本人管道工一枚，话说今天总公司领导视察，新来一人，在高空拧阀门，阀门要两边同时紧，大家都懂的，那伙计对着一边猛紧，领导看到，大喊，师傅，不是那么干的，那伙计扭头一看，说，你懂个J8，就是那样干的。领导听见后，默默走开？第一次发，希望过
一句话不割，我有一脑残同事，今天早上拎起女儿的书包去上学了，把女儿扔家里了。
cnt今天几个同事去常去的饭店吃饭，此为背景。。我的歌声里。。。同事说上次吃的西红柿牛腩不错点一个，喊来服务员:来份西红柿牛腩。答:我们这没有西红柿牛腩，有个番茄牛腩要不要尝尝。。番茄。。尝尝，一群人满脸黑线。
真的梦想成真了！求过———昨天做梦洗脸的时候流鼻血了，结果早上洗脸的时候果真流鼻血了，我要是梦到槑槑号码还多好啊⊙o⊙
刚开会的时候和公司一女同事坐在一起，因忍不住放了P，女同事问我：昨晚是不是去约会了？我说：你咋知道？女同事：我从你的P里问出了麻辣烫的味道……卧槽！
昨天路过一家卖里脊烤串的店店，我突然抬头看见又没见过的新品种“肉里奶冰”，我觉得这名字够雷人，怀着激动的心情对老板说：我要肉里奶冰！ 老板很茫然，啥？ 我说：我要肉里奶冰！ 他还是很茫然，这时候人多了，他就忙去了，不理我了。 我很纳闷的再次抬头看招牌，靠，他是竖起写的！是肉串、里脊、奶茶、冰淇琳！！！
宝宝还没满月，就接公司命令去南非待了三年。～～割了楼主的JJ～～昨天回国，拎着大包小包，在小区门口被一个比男孩子还淘气得多的小女娃子撞得包掉落一地，可恶的是那女娃子捡了地上掉的零食就跑。我想也没想就吼了句，这谁家的孩子，有没有人教啊？只听背后一冷冷的声音传过来:这是你家的孩子……
外派广州的时候，公司的保安队长也是从哈尔滨派的（广州本地人工太高了……请不起的说），还真抓到个小偷，被抓了还敢挑衅，东北人那脾气能惯着么？十个手指头掰了六根——大拇指食指中指。 第二天sb记者来采访，头一句是：你把小偷的手指头掰断，是不是太残忍了？ 队长当时就怒了，狠声道：“下次抓住我还掰，咋地吧！” 队长V5
cnt啊，大清早拉面馆人超多有木有，…………处男不G可以吗…………最近qb看多了，总看到wsj等字样，我纯洁的心灵受到耳濡目染，吃完饭找纸擦嘴 ，到处都没找到，脑子抽了一下随口冲老板大吼：擦嘴的wsj呢，给我拿几张。 可…gc是，老板真的拿出一包护舒宝放在桌上×_×，我不会告诉你老板最后被老板娘扁了一顿。。。求rp加100啊，最近玩WOW 老R不到准备啊
lz广告牌匾店员……国歌……小城市，最近一个大的商场装修完成，一个设计完成的人说要改牌匾，原因很伟大，因为有的字是日语 商场不让用 。赞了
最近看见好多碰瓷的……大哥放过我……突然想起来初中早上上学有次过马路双黄线上被个桑塔纳带倒，司机要带我去医院，我怕被拐卖（……）跟人家说没事就让他走了，我真是个好人！！！！
五六岁时的一个夏日午后，和邻居马丽娜在门口玩，我穿了粉色公主裙还撑了一把儿童伞。她家栅栏外有一个大臭泥坑，很有挑战性，我就华丽丽地跳越了过去。然后对马丽娜说：我厉害不？马丽娜吸了吸大鼻涕说：我没看见。我就又跳了一下。结果直接掉坑里了，越陷越深，我还和她乐呢，粘糊糊得真好玩，马上就到胸口了，才发觉我出不去，就哭了。马丽娜跟傻子似的就知道瞪俩眼儿瞅着吸大鼻涕。要不是后来徐娇她姥爷路过给我捞出来，就没有今天的这条糗~事儿了。Ps：当天下午我自己在院子里的大盆里洗的澡，我妈连一个手指头都没给我洗！！！晚饭后好像还捞顿揍。。。我的公主裙报废了。。。-------我是花姐的分割线-------懂事后，我知道栅栏那边是猪圈，大臭泥坑是猪粪坑。。。。此事导致姐永生不吃猪肉。。。因为猪圈里都是猪粪。。。Cnt 求码 求职 求rp
写武侠小说一定要取好名字，比如西门吹雪大战叶孤城，就很有意境，如果写成西门大拿大战叶大脑袋，估计没人会看…
发个以前遇到的事情，为即将要做的手术涨涨RP……哥哥割……一次和前男友看电影，入场的时候刚好赶上上一场出来。一个女的，穿的超短裙，一个大洞从上一直破到下面，这当然不是GC。就当她和她男友走过我们身边时，听到她男友说:没关系，就说是狗狗抓破的。话说你们看电影都干了些什么？
哥哥家有五岁小正太，那天去超市，正太非要买薯片和巧克力，哥哥、嫂子拧不过他，就给买了，在超市俩人对着他一顿狂批啊，各种教育啊结果晚上，哥哥去洗澡。。。只见正太拿着开封的薯片往他麻麻身上一丢说：没有下次了啊、下次要吃自己买啊、我不陪你骗爸爸了。。我看着嫂子谄媚的脸，石化了。。。
第一次发，我哥我哥我哥哥哥--------刚才参加面试，上面有一个填写期望工资一栏，我填写的2000，觉得有点少。我偷偷看了一下旁边的人写的，600！！！！有没有！那面试官喊他第二天来上班！
悲剧的大龄青年第一次谈恋爱,想送女友礼物,纠结了很久不知道送什么好.然后不小心被一个邪恶的妹纸忽悠,给女友送了把伞…被周围的妇女同志BS了很久,“丫的,你还想不想结婚的”
家胖去买白砂纸，一块一张，胖说便宜点儿，十块钱十张吧。老板说划不上，十块钱九张吧，那猪痛快的答应了……
用微信看传说
更多…
Process finished with exit code 0
总结：
正则表达式的使用可以方便很多。
本人将在个人博客持续分享个人爬虫之路，
希望在学习爬虫的小伙伴可以一起交流进步。
