Python爬虫——网页上的字符按照我的想法输出

Posted 2021-03-03 sherlocksweet

最近学习Python爬虫，"明明是按照步骤做，怎么我会出现好多的问题？"

引言：在网页之中，将爬取的内容输出展示出来，但是往往会出现很多的格式的问题，

如 s = “   正经的内容 又是内容    不要的  ”

如何将上面不要的字符删除或者提取出需要的呢？

1、提取出需要 正经的内容 又是内容    不要的：

s.text[8:-2]; 就是取出第8个字符，到倒数第二个字符。

2、删除左边的

s.rstrip(‘ ‘);

3、删除右边的 字符

s.lstrip(‘ ‘)

4、删除两边的字符

s.strip(‘ ‘).strip(‘ ‘); 删除两边的换行以及空格

5、删除特定的字符

s.replace(‘不要的‘, ‘a‘)；将“不要的”部分内容，用a代替

import re

# 去除 不要的字符

 

re.sub(‘[ 不要的字符]‘, ‘‘, s)