【Python】零基础学Python网络爬虫（升级版）无密

大牛阁下

回复下载：

游客，如果您要查看本帖隐藏内容请回复

hearne

感谢分享

dfghhdsgfafgdfg

感谢分享

Nekroz

谢谢分享

ghoob321

附赠下载

18621616535

gxfx454545545

gyl19951110

666666666666

guangden

111111111111111

云帆孤影

    rss文件基于xml,我们的目的是提取rss文件里的文本,操作过程是:

        1. 使用tinyxml2插件把xml文件里标签内的包着的文本提取出来

        2. 使用regex,regex是正则表达式操作,用于去除提取的文本里的html标签

    1. tinyxml2的使用:

        1. 把tinyxml2.cpp和tinyxml2.h传进要写代码的目录下

        2. include "tinyxml2.h",using namespace tinyxml2

        3. XMLDocument doc,创建一个对象

        4. doc.LoadFile("文件名"),加载文件

        5. 用if( doc.ErrorID() )可以判断加载文件是否成功

        6.XMLElement *pNode = doc.FirstChildElement("rss")->FirstChildElement("channel")->FirstChildElement("item");从而得大标签item包着的文本

        7. while(pNode)  string title = pNode->FirstChildElement("title")->GetText();得到item里的title包着的文本

        

    1. regex:

        使用前:需要#include<regex>,using std::regex

        用法:regex reg(a)

            参数:a是一个字符串

            作用:得到一个待使用的a这样的字符串的regex对象

    2. regex_replace:

        返回值:string

        用法:regex_replace(a,b,c)

            参数:a是string类型,b是regex类的对象,c是string类型

            作用:把a里的b这样的内容替换为c,并返回一个string

        

    rss文件基于xml,我们的目的是提取rss文件里的文本,操作过程是:

        1. 使用tinyxml2插件把xml文件里标签内的包着的文本提取出来

        2. 使用regex,regex是正则表达式操作,用于去除提取的文本里的html标签

    1. tinyxml2的使用:

        1. 把tinyxml2.cpp和tinyxml2.h传进要写代码的目录下

        2. include "tinyxml2.h",using namespace tinyxml2

        3. XMLDocument doc,创建一个对象

        4. doc.LoadFile("文件名"),加载文件

        5. 用if( doc.ErrorID() )可以判断加载文件是否成功

        6.XMLElement *pNode = doc.FirstChildElement("rss")->FirstChildElement("channel")->FirstChildElement("item");从而得大标签item包着的文本

        7. while(pNode)  string title = pNode->FirstChildElement("title")->GetText();得到item里的title包着的文本

        

    1. regex:

        使用前:需要#include<regex>,using std::regex

        用法:regex reg(a)

            参数:a是一个字符串

            作用:得到一个待使用的a这样的字符串的regex对象

    2. regex_replace:

        返回值:string

        用法:regex_replace(a,b,c)

            参数:a是string类型,b是regex类的对象,c是string类型

            作用:把a里的b这样的内容替换为c,并返回一个string

        

    rss文件基于xml,我们的目的是提取rss文件里的文本,操作过程是:

        1. 使用tinyxml2插件把xml文件里标签内的包着的文本提取出来

        2. 使用regex,regex是正则表达式操作,用于去除提取的文本里的html标签

    1. tinyxml2的使用:

        1. 把tinyxml2.cpp和tinyxml2.h传进要写代码的目录下

        2. include "tinyxml2.h",using namespace tinyxml2

        3. XMLDocument doc,创建一个对象

        4. doc.LoadFile("文件名"),加载文件

        5. 用if( doc.ErrorID() )可以判断加载文件是否成功

        6.XMLElement *pNode = doc.FirstChildElement("rss")->FirstChildElement("channel")->FirstChildElement("item");从而得大标签item包着的文本

        7. while(pNode)  string title = pNode->FirstChildElement("title")->GetText();得到item里的title包着的文本

        

    1. regex:

        使用前:需要#include<regex>,using std::regex

        用法:regex reg(a)

            参数:a是一个字符串

            作用:得到一个待使用的a这样的字符串的regex对象

    2. regex_replace:

        返回值:string

        用法:regex_replace(a,b,c)

            参数:a是string类型,b是regex类的对象,c是string类型

            作用:把a里的b这样的内容替换为c,并返回一个string

        

tml

不能回复？？？