分享网站

由于国家法律的限制以及技术的限制，很多网站都无法正常爬取。如果是新手学习python爬虫技术，推荐以下几个网站，供你参考：

1、崔庆才先生提供的爬虫练习网站：

https://scrape.center/

2、爬虫练习靶场

http://www.spiderbuf.cn/

还有一个python学习方面的内容，也推荐给大家：

《Python 网络爬虫：从入门到实践》，作者的练习题答案

https://github.com/Santostang/PythonScraping/blob/master/%E7%AC%AC%E4%BA%8C%E7%89%88/Cha%202%20-%20%E7%BC%96%E5%86%99%E4%BD%A0%E7%9A%84%E7%AC%AC%E4%B8%80%E4%B8%AA%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB/Cha%202%20_%E7%AB%A0%E6%9C%AB%E5%AE%9E%E6%88%98.ipynb

实例 正则

import re

s = "https://blog.csdn.net/weixin_44799217"

ret = re.findall(r"blog.(.*?).net", s)

print(ret)

ret2 = re.findall(r"[\.]", s)

print(ret2)

ret3 = re.findall(r"\d\d\d", s)

print(ret3)

ret4 = re.findall(r"\d", s)

print(ret4)

ret5 = re.findall(r"[^\d]", s) # 取非

print(ret5)

ret6 = re.findall(r"[^https://]", s) # 取非

print(ret6)

pythontip爬虫实战课

扫描二维码可以了解更多Python课程。