网站首页 > 技术文章正文

python爬虫字符串定位开始跟结束(find方法的使用)

hfteth 2024-12-29 00:52:58 技术文章 16 ℃

python爬虫采集的时候会需要对采集的内容进行处理行为，处理什么？简单的说就是处理多余的HTML代码跟确定文章标题跟结尾，还有内容区间，方法如下：

首先先是定位，我们先假设我们采集到了一批数据，数据里的内容是这样的<title>这里是标题</title>，<p>内容肯定是很多的，不过这里也就自己随便手打一些来随便用用。</p>，当然，我们采集到的内容肯定不会这么干净的，这样我们就需要处理一下内容的问题了。

假设<title>前面还有一些不要的HTML代码，那么我们就要处理掉，不然采集下来就挺难看的，所以我们需要处理掉：

h = html.find('<title>') #这一段是定位开头。

b = html.find('</title>') #这一段是定位结尾，我们用的是find方法。

字符串的定位都可以用find方法来处理，find方法是检测str是否包含在string里，如果指定了位置，那么他就会查找指定位置的范围内是否存在，如果有就返回索引值，没有就会返回-1。

当然，还有另一个方法，叫做index，不过这个方法如果不存在的话就会报错，不建议多用。