python抓取的网页源代码中包含反斜杠，怎么处理

Posted 2023-03-21

我得到的源代码是：
我想获取href后面的网址，用python怎么处理
<a target=_blank href="http:\/\/zhidao.baidu.com\/question\/751955641160547044.html?from=pubpage&msgtype=2" title="单因素方差分析时因变量只要一个，可是我在问卷里设置了3个题项来测量这个因变量，SPSS中应如何操作？">单因素方差分析时因变量只要一个，可是我在问卷里设置了3个...<\/a>

上面的反斜杠是字符串中的转义，为什么要去掉？去掉后应该会让url变成无效的吧。
一般使用BeautifulSoup解析网页。创建BeautifuleSoup对象之后，直接取属性就可以。 参考技术A str.replace('\', '')

或者

href = eval(str[str.find("href"):str.find(title)])本回答被提问者采纳 参考技术B 哥们，你在知道里头问这么抓知道的数据，不大好吧~

替换掉反斜杠~
good luck

python怎么抓取网页中DIV的文字

第一张图是我抓取整个网页的代码，怎么修改把所有title的文字抓取出来？

1、编写爬虫思路：
确定下载目标，找到网页，找到网页中需要的内容。对数据进行处理。保存数据。
2、知识点说明：
1）确定网络中需要的信息，打开网页后使用F12打开开发者模式。
在Network中可以看到很多信息，我们在页面上看到的文字信息都保存在一个html文件中。点击文件后可以看到response，文字信息都包含在response中。
对于需要输入的信息，可以使用ctrl+f，进行搜索。查看信息前后包含哪些特定字段。
对于超链接的提取，可以使用最左边的箭头点击超链接，这时Elements会打开有该条超链接的信息，从中判断需要提取的信息。从下载小说来看，在目录页提取出小说的链接和章节名。
2）注意编码格式
输入字符集一定要设置成utf-8。页面大多为GBK字符集。不设置会乱码。 参考技术A

使用 BeautifulSoup  进行解析 html，需要安装 BeautifulSoup

#coding=utf-8

import urllib2
import socket
import httplib
from bs4 import BeautifulSoup

UserAgent = 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36'

def downloadPage(url):

  try:
    
    opener = urllib2.build_opener()
    
    headers =  'User-Agent': UserAgent 
    
    req = urllib2.Request(url = url, headers = headers)
    
    resp = opener.open(req, timeout = 30)
    result = resp.read()

    return result
      
  except urllib2.HTTPError, ex:
    print ex
    return ''
  except urllib2.URLError, ex:
    print ex
    return ''
  except socket.error, ex:
    print ex
    return ''
  except httplib.BadStatusLine, ex:
    print ex
    return ''


if __name__ == '__main__':

content = downloadPage("这填douban的地址")

#print content

soap = BeautifulSoup(content, 'lxml')

lst = soap.select('ol.grid_view li')

for item in lst:
    # 电影详情页链接
    print item.select('div.item > div.pic a')[0].attrs['href']

    # 图片链接
    print item.select('div.item > div.pic a img')[0].attrs['src']

    # 标题
    print item.select('div.item > div.info > div.hd > a > span.title')[0].get_text()

    # 评分
    print item.select('div.item > div.info > div.bd > div.star > span.rating_num')[0].get_text()
    print '-------------------------------------------------------------------------'

本回答被提问者和网友采纳 参考技术B 最简单的还是用DW，贴到里面，然后就能做了，也不是很难追问

我现在学的又不是DW，你和我说DW干啥？