不停下脚步的乌龟 2019-09-30 14:21 采纳率: 75%
浏览 679
已采纳

python利用正则表达式爬取网页的问题

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:
图片说明

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?

  • 写回答

3条回答 默认 最新

  • 积跬步以至千里。 2019-09-30 16:37
    关注
    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 '.*?'

    图片说明

    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论
查看更多回答(2条)

报告相同问题?

悬赏问题

  • ¥20 删除和修改功能无法调用
  • ¥15 kafka topic 所有分副本数修改
  • ¥15 小程序中fit格式等运动数据文件怎样实现可视化?(包含心率信息))
  • ¥15 如何利用mmdetection3d中的get_flops.py文件计算fcos3d方法的flops?
  • ¥40 串口调试助手打开串口后,keil5的代码就停止了
  • ¥15 电脑最近经常蓝屏,求大家看看哪的问题
  • ¥60 高价有偿求java辅导。工程量较大,价格你定,联系确定辅导后将采纳你的答案。希望能给出完整详细代码,并能解释回答我关于代码的疑问疑问,代码要求如下,联系我会发文档
  • ¥50 C++五子棋AI程序编写
  • ¥30 求安卓设备利用一个typeC接口,同时实现向pc一边投屏一边上传数据的解决方案。
  • ¥15 SQL Server analysis services 服务安装失败