小白自學爬蟲有個地方沒弄明白,百度也搜索不到 求指教下。
一,如下圖,爬取內容有網頁原始碼中的亂碼和鏈接,怎么洗掉掉或者替換成空格



第一個是原始碼,第二個是爬取到的內容,第三個是寫的代碼。就是想實作只提取中文內容。其他的不要。怎么辦。?
uj5u.com熱心網友回復:
你這提取的啥呀 網頁列印了一遍嗎 決議都沒對uj5u.com熱心網友回復:
用正則運算式提取一下就好了比如你只想要中文
具體的你可以學習學習正則運算式
uj5u.com熱心網友回復:
可以使用pyquery,然后遍歷輸出相應結點的text形式,就是內容轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/21456.html
