weixin_44680262
不停下脚步的乌龟
采纳率76.9%
2019-10-18 08:20

关于python爬虫利用正则表达式爬取不到内容的问题

我在用正则表达式爬取豆瓣电影里面的电影演员信息。
网页演员信息的位置如下:

图片说明

那么要爬取其中的这些演员名不就是下面的代码吗?

actors = re.findall(r'<div class="meta abstract_2">(.*?)</div>', resp, re.DOTALL)

其中resp是前面获取到的网页代码

可是print(actors)输出结果为空,请问是哪里不对呀?
有没有大佬就用正则表达式帮忙解答一下?因为我用爬虫只会用正则表达式匹配。

  • 点赞
  • 写回答
  • 关注问题
  • 收藏
  • 复制链接分享
  • 邀请回答

2条回答

  • wojiushiwo945you 毕小宝 2年前

    爬虫内容解析比较方便的不是正则而是 xpath ,语法也很容易,建议试试这种:

    from lxml import etree  # 解析页面的模块
    html = etree.HTML(top_page)# top_page 你的代码中的页面 text
    result = html.xpath('//div[@class="meta abstract_2"]text()') # 得到 div 的文本内容。
    
    
    点赞 1 评论 复制链接分享
  • wwchen 远方的雪山 2年前

    你确定resp是网页文本内容?

    点赞 评论 复制链接分享