推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 3014 天前的主题，其中的信息可能已经有所发展或是发生改变。
下面代码是在图片网站上截取的，想问下用 Python 爬虫，怎样才能过滤出 images 下面不同 size 的图片 url 呢？
"images": [{
"size": "watermark",
"url": "https:\/\/drscdn.500px.org\/photo\/original\/store\/67585293\/m%3D900_k%3D2_b%3D2_dpi%3D300_attachment%3D1_tags%3D1\/e47f93b520c772b2612bef1ff2fa77ae"
},
{
"size": "280",
"url": "https:\/\/drscdn.500px.org\/photo\/67585293\/w%3D280_s%3D1\/a967861eaf97496c9243c9aaccb63502"
},
{
"size": "560",
"url": "https:\/\/drscdn.500px.org\/photo\/67585293\/w%3D560_s%3D1\/90e4feec7585c24a5f1d45b1ee21262b"
},
{
"size": "600",
"url": "https:\/\/drscdn.500px.org\/photo\/67585293\/w%3D600_s%3D1\/aa4e4a084ea37fa1ce8a82c3865ce43a"
},
{
"size": "115",
"url": "https:\/\/drscdn.500px.org\/photo\/67585293\/w%3D115_h%3D115_s%3D1\/8fae531a821e375dda4f4938b0b5829f"
},
{
"size": "160",
"url": "https:\/\/drscdn.500px.org\/photo\/67585293\/w%3D160_h%3D160_s%3D1\/0e4a9829237dd66700a27ebed6d8f761"
},
{
"size": "2048",
"url": "https:\/\/drscdn.500px.org\/photo\/67585293\/w%3D2048\/d8142c223fa99fc99b9bd4a1b44462eb"
}],
12 条回复 • 2016-02-19 11:55:29 +08:00
 |
1
yahoo21cn 2016-02-19 09:30:27 +08:00
正则
|
 |
2
mgna17 2016-02-19 09:56:14 +08:00
比如这样么
re.findall(r'(?<=url\":\s\").+?(?=\}\,)', your_text) |
 |
3
jarlyyn 2016-02-19 09:56:34 +08:00
首先，这个明显是 json 的一部分。
其次， 500px 自己就有公开的 api 。 |
 |
4
Ncer 2016-02-19 09:56:48 +08:00
这种格式的用 json 解析一下
|
 |
5
annielong 2016-02-19 09:59:59 +08:00
明显是 json ，格式化一下后输出就可以了，不用正则吧
|
 |
7
magicdawn 2016-02-19 10:28:53 +08:00
拿到 json 字符串, 找到 `"images": [` 左大括号 index, 计算出右大括号 index, slice, json.load
|
|
8
magicdawn 2016-02-19 10:29:07 +08:00
中括号...
|
 |
10
imn1 2016-02-19 11:08:56 +08:00
正则执行效率高， json 开发效率高
如果 json 不是单独一个文件或 XHR ，而是嵌入在页面或某个 js 里面，建议还是正则快 |
 |
11
Frapples 2016-02-19 11:12:00 +08:00
import json
img_info = json.loads(json_str) # json_str 就是你抓下来的字符串，从你贴的内容来看是 json 格式的。用此函数解析成 python 的数据结构。 # 然后你可以 print(img_info)看看 |
 |
12
mikezhang0515 2016-02-19 11:55:29 +08:00
把\/替换成 / 然后匹配 url
|
Select Language