python利用正则表达式爬取网页的问题

Question

我在利用python正则表达式爬取网页内文本时（如下图所示）遇到了一些问题：

比如爬取250平方米吧，实现代码如下：

area = re.findall(r'<dd class="dd-item size">.*?<span>.*?</span>.*?<span class="item-line">.*?</span>.*?<span>(.*?)</span>', resp, re.DOTALL)

但是如果想按照上面的思路继续追加正则表达式爬取“南北向”这个文本就爬取不出来了:

area = re.findall(r'<dd class="dd-item size">.*?<span>.*?</span>.*?<span class="item-line">.*?</span>.*?<span>.*?</span>.*?<span class="item-line">.*?</span><span>(.*?)</span>', resp, re.DOTALL)

请问问题出在哪里啊？

Answer 1

resp = '''
    <dd class="dd-item size">
        <span>4室2厅4卫</span>
        <span class="item-line"></span>
        <span>250平</span>
        <span class="item-line"></span>
        <span>南北向</span>
        <span class="item-line"></span>
        <span class="last">豪华装修</span>
    </dd>
    '''
    area = re.findall(r'<dd class="dd-item size">.*?<span>.*?</span>.*?<span class="item-line">.*?</span>.*?<span>(.*?)</span>', resp,
        re.DOTALL)
    print(area)

    area = re.findall(r'<dd class="dd-item size">.*?<span>.*?</span>.*?<span class="item-line">.*?</span>.*?<span>.*?</span>.*?<span class="item-line">.*?</span>.*?<span>(.*?)</span>',
        resp, re.DOTALL)
    print(area)

这个是按照你的方式，修改之后的可用代码，区别你看图片就明白了,最后一组span标签前，少了任意匹配规则 '.*?'