用正则表达式爬取经纬度

可以使用正则表达式来匹配经纬度，如下所示：

import re

text = "经度: 123.456, 纬度: 45.678"
pattern = r"经度:\s*(-?\d+\.\d+),\s*纬度:\s*(-?\d+\.\d+)"

match = re.search(pattern, text)
if match:
    longitude = match.group(1)
    latitude = match.group(2)
    print("经度：", longitude)
    print("纬度：", latitude)
else:
    print("没有找到经纬度")

在上面的例子中，使用正则表达式`r"经度:\s*(-?\d+\.\d+),\s*纬度:\s*(-?\d+\.\d+)"`来匹配经度和纬度。其中，`\s*`表示匹配0个或多个空格，`-?`表示可选的负号，`\d+\.\d+`表示匹配至少一个数字和一个小数点。匹配结果通过`re.search`方法返回，如果匹配成功，我们就可以通过`match.group(1)`和`match.group(2)`获取经度和纬度的值。

相关问题

用正则表达式爬取河北人才网

在使用正则表达式爬取河北人才网这类网站的信息时，通常需要先明确目标信息的结构，比如职位名称、公司名称等可能会出现在网页特定HTML标签内的文本。正则表达式可以用于从这些位置提取数据，但这并不总是直接简单，因为真实网页可能包含复杂的HTML结构、JavaScript生成的内容或者动态加载的数据。

一个基本步骤如下：

1. **定位目标元素**：分析页面源代码，找到包含所需信息的固定或规律的部分，如`<div class="job-title">...</div>`这样的职位标题。

2. **确定正则模式**：了解目标内容的格式，例如职位名称可能是纯文本还是包含了特殊的格式标记。创建一个匹配该模式的正则表达式，可能包括标签、属性值或其他字符组合。

   <a href="(.*?)" title="(.*?)">.*?</a>

这是一个基本的例子，假设我们想获取`href`和`title`属性的值。

3. **编写爬虫脚本**：结合HTML解析库（如Python的BeautifulSoup或lxml），使用正则表达式的`re.search()`或`re.findall()`函数来查找并提取目标字符串。

4. **处理结果**：将找到的结果存储到列表或字典中，并按照需要进一步清洗或组织。

请注意，实际操作中可能需要处理分页、登录验证等问题，而且直接使用正则表达式抓取现代网站信息可能效率不高，因为许多网站为了防止机器人爬取，会采用更复杂的技术。如果你需要频繁抓取大量数据，建议使用更专业的网络爬虫框架，如Scrapy。

用正则表达式爬取图片

使用正则表达式爬取图片需要先获取网页源代码，然后通过正则表达式匹配出图片的URL地址。以下是一个简单的示例代码：

import re
import requests

# 获取网页源代码
url = 'https://www.example.com'
response = requests.get(url)
html = response.text

# 使用正则表达式匹配图片URL
pattern = re.compile('<img.*?src="(.*?)".*?>')
img_urls = re.findall(pattern, html)

# 下载图片
for img_url in img_urls:
    response = requests.get(img_url)
    with open('image.jpg', 'wb') as f:
        f.write(response.content)

需要注意的是，正则表达式的匹配规则需要根据具体的网页源代码进行调整。此外，还需要注意防止爬虫被网站封禁，可以设置请求头信息或者使用代理IP等方式来规避风险。