今天學習內容為正規表示式，這一塊我一整天竟然沒有學完。
在一開始爬取網頁匹配有用的字串時，我用的是find方法，如下：
」和「.jpg」來鎖定鏈結，這樣做十分不方便，因為很難保證得到的是想要的鏈結，一旦有非鏈結匹配成功，同樣也會被扒下來，這樣會對清洗資料造成很大的麻煩。而正規表示式，無疑會方便許多。
但正規表示式的邏輯非常麻煩（個人認為），舉例如下：
想要匹配ip位址的正規表示式，我窮盡腦汁寫出的如下： string = "
((25[0-5]|2[0-4]\d|[01]\d\d)\.)(25[0-5]|2[0-4]\d|[01]\d\d)
" ，ip位址的格式為 a.b.c.d ，其中abcd分別都是0-255中的某乙個數字。這個式子分為3部分：第一部分是 ((25[0-5]|2[0-4]\d|[01]\d\d)\.) ，
這表示a.，而第一部分加上 則代表將第一部分重複3次，這就變成了 a.b.c. ，然後在加上第一部分，整個ip位址匹配正則式就完成了。
正規表示式幾乎應用於所有語言，所以十分重要。
ps.正規表示式測試工具**
寒假大資料學習筆記十一
今天從山西衛健委官網上爬取新型冠狀病毒疫情有關內容的資料。到發部落格為止我只做了一半，只是將相關文字爬取下來，還沒有經過處理。那麼主要說一說我碰到的問題吧。主要就是爬取網頁的文字內容時受到網頁標籤的影響，難以規範地取得我想要的內容，影響包括但不限於各種稀奇古怪的位置上出現的換行符 空格 製表符。同時...
寒假大資料學習筆記九
2 建立scrapy專案 這是很麻煩的一步，因為pycharm沒法建立scrapy專案，所以無論是windows還是linux都需要使用命令建立，可以使用命令scrapy檢視所有的scrapy可使用命令。scrapy genspider 專案名 網域名稱 切換到想建立專案的的位置，輸入以上命令即可。...
寒假大資料學習筆記七
今天由於某些私人原因，學習時間比較少，學習內容為基礎的urllib error。1 異常處理 一般常用的異常有兩個 httperror和urlerror。urlerror一般出現的情況是沒有網路連線 伺服器連線失敗 找不到指定的伺服器。例子如下 1 try 2 url 3 response requ...