推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 3458 天前的主题，其中的信息可能已经有所发展或是发生改变。
 |
1
commoccoom OP 为什么 list1 = re.findall(r'<a href="(.*?)" name="readlink" id="[\s\S]+" class="subject_t f12" >(.*?)</a>',html)
html 是整个页面，为什么只抓取到了5个 |
|
2
commoccoom OP |
 |
3
Septembers 2015-06-18 08:58:38 +08:00 via Android  1
你应该用 requests和BeautifulSoup 来处理这个问题
而不是 urllib和正则 来处理这个问题 |
 |
4
josephok 2015-06-18 09:01:41 +08:00 1
用xpath吧
|
 |
5
mhycy 2015-06-18 09:43:33 +08:00 1
<a href="(.*?)" name="readlink" id="(.*?)" class="subject_t f12" >(.*?)<\/a>
改成这样试试。。 |
 |
6
imn1 2015-06-18 11:08:33 +08:00 1
<a href="(.*?)" name="readlink" id="[^"]+" class="subject_t f12" >(.*?)</a>
|
|
7
imn1 2015-06-18 11:14:06 +08:00 1
养成习惯，引号内都用 [^"]+ 或 [^']+
或者这样说：左右边界清晰的内容，泛匹配的话，使用排除边界来匹配 能用正则尽量雍正则，bs / xpath都需要一个额外的dom解析过程，大量页面的话资源消耗很严重 |
|
8
commoccoom OP |
|
9
Septembers 2015-06-18 14:35:53 +08:00 via Android
@imn1 大量文本提取信息格式稳定的话 正则是要好得多 但是前提是熟悉正则（我以前写正则一不注意没写好 就进贪婪匹配 然后就over了 唉
如果在不熟悉正则的情况下处理HTML 还是老老实实的DOM解析比较好 |
 |
10
garfeildma 2015-06-18 16:50:17 +08:00
简单的一次性的工作可以用正则来完成，正规做法还是老老实实解析html，原因看这里
http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags |
 |
11
loading 2015-06-18 16:53:56 +08:00 via Android 1
下次标题写明白点…求您了！
|
 |
12
Axurez 2015-06-18 17:02:53 +08:00
正则开销会比较大吧，复杂一点的基本不可能实际运行的。。
|
|
13
commoccoom OP |
 |
14
fltw 2015-06-21 06:44:50 +08:00
不知道楼主在说什么啊，我这连连接都打不开。。。
正则表达式太。。。。。怎么说，必须要熟练，否则很痛苦的，需要经常修改 |
Select Language