前面入門已經說了那麼多基礎知識了，下面我們做幾個實戰項目來挑戰一下吧。那麼這次為大家帶來，Python爬取糗事百科的小段子的例子。
首先，糗事百科大家都聽說過吧？糗友們發的搞笑的段子一抓一大把，這次我們嘗試一下用爬蟲把他們抓取下來。
本篇目標
1.抓取糗事百科熱門段子
2.過濾帶有圖片的段子
3.實現每按一次回車顯示一個段子的發佈時間，發佈人，段子內容，點贊數。
糗事百科是不需要登錄的，所以也沒必要用到Cookie，另外糗事百科有的段子是附圖的，我們把圖抓下來圖片不便於顯示，那麼我們就嘗試過濾掉有圖的段子吧。
好，現在我們嘗試抓取一下糗事百科的熱門段子吧，每按下一次回車我們顯示一個段子。
1.確定URL並抓取頁面代碼
首先我們確定好頁面的URL是 http://www.qiushibaike.com/hot/page/1，其中最後一個數字1代表頁數，我們可以傳入不同的值來獲得某一頁的段子內容。
我們初步構建如下的代碼來打印頁面代碼內容試試看，先構造最基本的頁面抓取方式，看看會不會成功
嘿嘿，這次運行終於正常了，打印出了第一頁的HTML代碼，大家可以運行下代碼試試看。在這裡運行結果太長就不貼了。
2.提取某一頁的所有段子
好，獲取了HTML代碼之後，我們開始分析怎樣獲取某一頁的所有段子。
首先我們審查元素看一下，按瀏覽器的F12，截圖如下
我們可以看到，每一個段子都是
現在我們想獲取發佈人，發佈日期，段子內容，以及點讚的個數。不過另外注意的是，段子有些是帶圖片的，如果我們想在控制檯顯示圖片是不現實的，所以我們直接把帶有圖片的段子給它剔除掉，只保存僅含文本的段子。
所以我們加入如下正則表達式來匹配一下，用到的方法是 re.findall 是找尋所有匹配的內容。方法的用法詳情可以看前面說的正則表達式的介紹。
好，我們的正則表達式匹配語句書寫如下，在原來的基礎上追加如下代碼
下面就開始介紹一個十分強大的工具，正則表達式
1.瞭解正則表達式
正則表達式是對字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規則字符串”，這個“規則字符串”用來表達對字符串的一種過濾邏輯。
正則表達式是用來匹配字符串非常強大的工具，在其他編程語言中同樣有正則表達式的概念，Python同樣不例外，利用了正則表達式，我們想要從返回的頁面內容提取出我們想要的內容就易如反掌了。
正則表達式的大致匹配過程是：
1.依次拿出表達式和文本中的字符比較，
2.如果每一個字符都能匹配，則匹配成功；一旦有匹配不成功的字符則匹配失敗。
3.如果表達式中有量詞或邊界，這個過程會稍微有一些不同。
2.正則表達式的語法規則
下面是Python中正則表達式的一些匹配規則
3.正則表達式相關注解
（1）數量詞的貪婪模式與非貪婪模式
正則表達式通常用於在文本中查找匹配的字符串。Python裡數量詞默認是貪婪的（在少數語言裡也可能是默認非貪婪），總是嘗試匹配儘可能多的字 符；非貪婪的則相反，總是嘗試匹配儘可能少的字符。例如：正則表達式”ab*”如果用於查找”abbbc”，將找到”abbb”。而如果使用非貪婪的數量 詞”ab*?”，將找到”a”。
注：我們一般使用非貪婪模式來提取。
（2）反斜槓問題
與大多數編程語言相 同，正則表達式裡使用”\”作為轉義字符，這就可能造成反斜槓困擾。假如你需要匹配文本中的字符”\”，那麼使用編程語言表示的正則表達式裡將需要4個反 斜槓”\\\\”：前兩個和後兩個分別用於在編程語言裡轉義成反斜槓，轉換成兩個反斜槓後再在正則表達式裡轉義成一個反斜槓。
Python裡的原生字符串很好地解決了這個問題，這個例子中的正則表達式可以使用r”\\”表示。同樣，匹配一個數字的”\\d”可以寫成r”\d”。有了原生字符串，媽媽也不用擔心是不是漏寫了反斜槓，寫出來的表達式也更直觀勒。
好了，今天的知識就分享到這裡，歡迎關注愛編程的南風，私信關鍵詞：學習資料，獲取更多學習資源，如果文章對你有有幫助，請收藏關注，在今後與你分享更多學習python的文章。同時歡迎在下面評論區留言如何學習python。
閱讀更多 愛編程的南風 的文章
