[已解决]关于爬取豆瓣电影标题的一个细节问题，求助！

xiongbilei

爬取资料代码如下：
    messages = []
    targets = soup.find_all('div',class_='bd')
    for each in targets:
        try:
            messages.append(each.p.text.split('\n')[1].strip()+each.p.text.split('\n')[2].strip())
        except:
            continue

请问messages.append(each.p.text.split('\n')[1].strip()+each.p.text.split('\n')[2].strip())这句，是怎么分割字符串的？按照这个意思，它是将电影资料字符串以\n为分隔符分为三个部分，取后两个部分，但是网页源码那里我看不懂，不知道怎么分成三部分的。（小白还不能发图片。。）

最佳答案

月排行榜 / 总排行榜

Twilight6

2020-7-14 16:59:24

xiongbilei 发表于 2020-7-14 16:57
如果是这样，那[2]不应该是（一行空格）吗？第三项是（一行空格）啊。。。我晕了

我觉得你是没理解列表索引,看图,对应的位置参数标出来了:

跳转到最佳答案楼层

Twilight6

each.p.text.split('\n')[1].strip()+each.p.text.split('\n')[2].strip():

each.p.text.split('\n') 先分割换行符, [1] 取出分割后的第二个元素, .strip() 去除这个元素前后空格

第二个同理先分割换行符, [2] 取出分割后的第三个元素, .strip() 去除这个元素前后的空格

两个都切割完毕后在进行拼接在一起,怎么分成三个部分的就是因为元素中有多个换行符,通过 split 来切割后就会自动分为多个部分呗

Twilight6

你不能上传图片但是可以发网络图片,获取图片 url 就可以成功发图了

比如上传 QQ 空间 ,或者上传到图床 https://imgchr.com/

                               
登录/注册后可看大图

xiongbilei

Twilight6 发表于 2020-7-14 16:22
each.p.text.split('\n')[1].strip()+each.p.text.split('\n')[2].strip():

each.p.text.split('\n')  ...

‘‘
                            导演: 陈凯歌 Kaige Chen   主演: 张国荣 Leslie Cheung / 张丰毅 Fengyi Zha...’‘
<br>
‘’
                            1993&nbsp;/&nbsp;中国大陆 中国香港&nbsp;/&nbsp;剧情 爱情 同性
                ’‘
它的源码是这种形式，请问三个部分是指哪里。。换行符能标明一下吗？谢谢大佬。。
                        

xiongbilei

Twilight6 发表于 2020-7-14 16:27
你不能上传图片但是可以发网络图片,获取图片 url 就可以成功发图了

比如上传 QQ 空间 ,或者上传到图 ...

                               
登录/注册后可看大图

xiongbilei

Twilight6 发表于 2020-7-14 16:27
你不能上传图片但是可以发网络图片,获取图片 url 就可以成功发图了

比如上传 QQ 空间 ,或者上传到图 ...

                               
登录/注册后可看大图

Twilight6

xiongbilei 发表于 2020-7-14 16:37

这些都是不可见字符,在网页源码都是看不见的,PyCharm 随便拿一个标签出来调试下清清楚楚了~:

xiongbilei

Twilight6 发表于 2020-7-14 16:22
each.p.text.split('\n')[1].strip()+each.p.text.split('\n')[2].strip():

each.p.text.split('\n')  ...

我的理解是这样的：
（一行空格）\n (第一部分)  \n （一行空格） \n （第二部分）

可是这样就是四部分了。。不知道我哪里理解有问题？

Twilight6

xiongbilei 发表于 2020-7-14 16:48
我的理解是这样的：
（一行空格）\n (第一部分)  \n （一行空格） \n （第二部分）

是四个部分啊 然后 [1] 就代表 导演的那个部分 [2] 代表年代那部分

xiongbilei

Twilight6 发表于 2020-7-14 16:50
是四个部分啊 然后 [1] 就代表 导演的那个部分 [2] 代表年代那部分

如果是这样，那[2]不应该是（一行空格）吗？第三项是（一行空格）啊。。。我晕了

Twilight6

xiongbilei 发表于 2020-7-14 16:57
如果是这样，那[2]不应该是（一行空格）吗？第三项是（一行空格）啊。。。我晕了

我觉得你是没理解列表索引,看图,对应的位置参数标出来了:

xiongbilei

Twilight6 发表于 2020-7-14 16:59
我觉得你是没理解列表索引,看图,对应的位置参数标出来了:

哇，这个图豁然开朗了，谢谢大佬。。

Twilight6

xiongbilei 发表于 2020-7-14 17:03
哇，这个图豁然开朗了，谢谢大佬。。

客气~加油吧