[已解决]python3正则表达式

GeekFZ

1. import requests
   
2. import re
   
3. content = requests.get('https://book.douban.com/').text
   
4. pattern = re.compile('<li.*?cover.*?href="(.*?)".*?title="(.*?)".*?more-meta.*?author">(.*?)</span>.*?year">(.*?)</span>.*?</li>', re.S)
   
5. results = re.findall(pattern, content)
   
6. for result in results:
   
7.     url, name, author, date = result
   
8.     author = re.sub('\s', '', author)
   
9.     date = re.sub('\s', '', date)
   
10.     print(url, name, author, date)
    

复制代码

很疑惑这段代码运行起来不报错但也没有爬取到任何信息，不知道是哪里出问题了？

最佳答案

月排行榜 / 总排行榜

BlueSand

2018-4-25 18:41:58

我的意思就是不要这么长，把条件写少点，就一个，或者两个，看一下，行不行，如果行，说明你的正则写错了

跳转到最佳答案楼层

ABC23

信息量较大，可能要等一下才能爬下来。

GeekFZ

ABC23 发表于 2018-4-25 14:17
信息量较大，可能要等一下才能爬下来。

不是呀，等了好久都没反应，

BlueSand

建议你把正则表达式换一个简单点的试一下

GeekFZ

BlueSand 发表于 2018-4-25 17:42
建议你把正则表达式换一个简单点的试一下

怎么个简单法呀，这不是基础的吗，就爬取豆瓣图书的一些信息而已

BlueSand

我的意思就是不要这么长，把条件写少点，就一个，或者两个，看一下，行不行，如果行，说明你的正则写错了

GeekFZ

BlueSand 发表于 2018-4-25 18:41
我的意思就是不要这么长，把条件写少点，就一个，或者两个，看一下，行不行，如果行，说明你的正则写错了

发现，写少了还是和之前一样

GeekFZ

1. import requests
   
2. import re
   
3. content = requests.get('https://book.douban.com/').text
   
4. #print (content)
   
5. pattern = re.compile(r'<li.*?cover.*?href="(.*?)"\stitle="(.*?)".*?more-meta.*?author">(.*?)</span>.*?year">(.*?)</span>.*?</li>', re.S)
   
6. results = re.findall(pattern, content)
   
7. #print(results)
   
8. for result in results:
   
9.     url , name , author , date = result
   
10.     name = re.sub('\s','',name)
    
11.     author = re.sub('\s','',author)
    
12.     print(url,name,author,date)
    

复制代码

GeekFZ

GeekFZ 发表于 2018-5-9 11:23

这样可以爬取了，只需要匹配空格\s