[已解决]同一标签下的多行文字如何分别爬取

liwei_kuma

在爬取电影天堂（url='https://www.dy2018.com/html/gndy/dyzz/index.html'）的电影详细信息时发现所有内容都在一个标签下，分行保存的状态。我想把这些内容分别爬取，保存到Excel中，目前卡在了如何把这同一标签下的多行文字如何分别爬取到。

该标签下的内容：

​​​​​​◎译　　名　以勇气为名(台)/极限救援/布拉文

◎片　　名　Braven

◎年　　代　2018

◎产　　地　加拿大

◎类　　别　剧情/动作

◎语　　言　英语

◎字　　幕　中英双字幕

◎上映日期　2018-02-02(美国)

◎豆瓣评分　5.9/10 from 1606 users

◎IMDb评分　6.0/10 from 25714 users

◎文件格式　x264 + ACC

◎视频尺寸　

最佳答案

月排行榜 / 总排行榜

伪文青

2020-10-14 09:29:39

正则最简单

1. #!/usr/bin/python
   
2. import re
   
3. 
   
4. str = """◎译　　名　以勇气为名(台)/极限救援/布拉文
   
5. 
   
6. ◎片　　名　Braven
   
7. 
   
8. ◎年　　代　2018
   
9. 
   
10. ◎产　　地　加拿大
    
11. 
    
12. ◎类　　别　剧情/动作
    
13. 
    
14. ◎语　　言　英语
    
15. 
    
16. ◎字　　幕　中英双字幕
    
17. 
    
18. ◎上映日期　2018-02-02(美国)
    
19. 
    
20. ◎豆瓣评分　5.9/10 from 1606 users
    
21. 
    
22. ◎IMDb评分　6.0/10 from 25714 users
    
23. 
    
24. ◎文件格式　x264 + ACC
    
25. 
    
26. ◎视频尺寸"""
    
27. 
    
28. strarr = re.findall( '◎(.*)\n', str)
    
29. print(strarr[0])
    
30. print(strarr[1])
    
31. print(strarr[2])
    
32. print(strarr[3])
    
33. print(strarr[4])
    
34. print(strarr[5])
    
35. print(strarr[6])
    
36. print(strarr[7])
    
37. print(strarr[8])
    
38. print(strarr[9])
    
39. print(strarr[10])

复制代码

跳转到最佳答案楼层

伪文青

正则最简单

1. #!/usr/bin/python
   
2. import re
   
3. 
   
4. str = """◎译　　名　以勇气为名(台)/极限救援/布拉文
   
5. 
   
6. ◎片　　名　Braven
   
7. 
   
8. ◎年　　代　2018
   
9. 
   
10. ◎产　　地　加拿大
    
11. 
    
12. ◎类　　别　剧情/动作
    
13. 
    
14. ◎语　　言　英语
    
15. 
    
16. ◎字　　幕　中英双字幕
    
17. 
    
18. ◎上映日期　2018-02-02(美国)
    
19. 
    
20. ◎豆瓣评分　5.9/10 from 1606 users
    
21. 
    
22. ◎IMDb评分　6.0/10 from 25714 users
    
23. 
    
24. ◎文件格式　x264 + ACC
    
25. 
    
26. ◎视频尺寸"""
    
27. 
    
28. strarr = re.findall( '◎(.*)\n', str)
    
29. print(strarr[0])
    
30. print(strarr[1])
    
31. print(strarr[2])
    
32. print(strarr[3])
    
33. print(strarr[4])
    
34. print(strarr[5])
    
35. print(strarr[6])
    
36. print(strarr[7])
    
37. print(strarr[8])
    
38. print(strarr[9])
    
39. print(strarr[10])

复制代码

hrp

为什么要分行爬取？一次爬取，再讲爬取到的内容按行分割，再分别保存到Excel不可以么

伪文青

用正则表达式啊

1. ◎(.*?)\n

复制代码

liwei_kuma

hrp 发表于 2020-10-14 10:09
为什么要分行爬取？一次爬取，再讲爬取到的内容按行分割，再分别保存到Excel不可以么

可以，具体应该怎么操作呢？

liwei_kuma

伪文青 发表于 2020-10-14 10:42
正则最简单

谢谢，我吸收一下

hrp

liwei_kuma 发表于 2020-10-14 10:39
可以，具体应该怎么操作呢？

该标签的爬取结果.split('\n')

liwei_kuma

hrp 发表于 2020-10-14 11:12
该标签的爬取结果.split('\n')

大神的思路领会了，但是动手能力太差，代码未能实现，用另一位老师所提的RE实现了。