不停下脚步的乌龟 2019-10-18 08:20 采纳率: 75%
浏览 1751
已采纳

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。

  • 写回答

3条回答 默认 最新

  • 毕小宝 博客专家认证 2019-10-18 09:01
    关注

    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。
    
    
    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 求文心中文心理分析系统(TextMind)
  • ¥15 chipyard环境搭建问题
  • ¥15 python,pyopenGL的OBV渲染无法设置透明
  • ¥20 matlab可以把多个二维图合成为三维瀑布图吗
  • ¥15 EEPROM,软件i2c
  • ¥500 求解读该段JS代码,需要知道是用干什么的
  • ¥20 qt4代码实现二进制文件读取显示,以及显示的内容进行搜索
  • ¥15 Labview获取LK-G3001数据
  • ¥15 我知道什么是混合树,但是怎么写代码啊
  • ¥50 开发板linux系统安装dpkg,apt函数库 有偿