这个正则要如何写比较简洁呢？

要学习 · 发表于 2017-10-28 22:02:34

马上注册，结交更多好友，享用更多功能^_^

您需要登录才可以下载或查看，没有账号？立即注册

x

本帖最后由要学习于 2017-10-29 00:06 编辑

请各位老师帮忙。。。谢谢

首先我的测试：

r'<p class="bwi .*?">(.*?)</p>'

复制代码

[ u'\r\n\t\t\t\t \t21', u'\r\n\t\t\t\t \t02', u'\r\n\t\t\t\t \t11', u'\r\n\t\t\t\t \t17', u'\r\n\t\t\t\t \t13', u'\r\n\t\t\t\t \t15', u'\r\n\t\t\t\t \t26']

复制代码

怎么得到的结果前面有

\r\n\t\t\t\t \t

复制代码

这个是什么东东呢。

我删除了一下特殊字符

re.sub(r"[\r,\t,\n]","",html)

但还是有一个‘ ‘

[u' 21', u' 02', u' 11', u' 17', u' 13', u' 15', u' 26']

复制代码

要爬取的代码如下：

<td class="tdbbq tdbr">8999850</td>
<td class="tdbbq tdbr">
<div class="w22d">
<p class="bwi kgbx20">
21</p>
</div>
<p>
中文
中文
</p>
</td>
<td class="tdbbq tdbr">
<div class="w22d">
<p class="bwi krbx20">
02</p>
</div>
<p>
中文
中文
</p>
</td>
<td class="tdbbq tdbr">
<div class="w22d">
<p class="bwi kgbx20">
11</p>
</div>
<p>
中文
中文
</p>
</td>
<td class="tdbbq tdbr">
<div class="w22d">
<p class="bwi kgbx20">
17</p>
</div>
<p>
中文
中文
</p>
</td>
<td class="tdbbq tdbr">
<div class="w22d">
<p class="bwi krbx20">
13</p>
</div>
<p>
中文
中文
</p>
</td>
<td class="tdbbq tdbr">
<div class="w22d">
<p class="bwi kbbx">
15</p>
</div>
<p>
中文
中文
</p>
</td>
<td class="tdbbq tdbr">
<div class="w22d">
<p class="bwi kbbx">
26</p>

复制代码

最后要得到的结果应为:: [u'8999850',u'21',u'02',u'11',u'17',u'13',u'15',u'26']

要如何写这个正则比较简洁？

要学习 · 发表于 2017-10-29 00:05:40

我删除了一下特殊字符

re.sub(r"[\r,\t,\n]","",html)

但还是有一个

[u' 21', u' 02', u' 11', u' 17', u' 13', u' 15', u' 26']

复制代码

要学习 · 发表于 2017-10-29 15:06:11

哪位老师指点一下

要学习 · 发表于 2017-10-29 20:25:36

ooxx7788 · 发表于 2017-10-29 22:45:00

r = re.findall(r'(\d+)</(td|p)>',html)
print( [i[0] for i in r])

复制代码

要学习 · 发表于 2017-10-30 00:46:26

ooxx7788 发表于 2017-10-29 22:45

非常感谢。。

刚测试了一下代码，很强大很简洁的代码。。。

若我只要前面8列的数据呢？
不要红色框的数据

QQ截图20171030004455.png

ooxx7788 · 发表于 2017-10-30 08:36:01

r = re.findall(r'(\d+)</(td|p)>',html)
print( [i[0] for i in r][:8])

复制代码

要学习 · 发表于 2017-10-30 08:50:04

ooxx7788 发表于 2017-10-30 08:36

老师早上好。。。

刚测试代码。

能得到只去前8列的数据了，但不能循环了。只得到第一行数据

ooxx7788 · 发表于 2017-10-30 09:20:09

要学习发表于 2017-10-30 08:50
老师早上好。。。

刚测试代码。

唉，这都不会自己变通哦

print([i[0][:8] for i in r])

复制代码

xuanmuluck · 发表于 2017-10-30 09:24:20

r'<(?:td|p)[^>]+>\s*(\d*)</(?:td|p)'

要学习 · 发表于 2017-10-30 11:02:13

本帖最后由要学习于 2017-10-30 11:12 编辑

ooxx7788 发表于 2017-10-30 09:20
唉，这都不会自己变通哦

老师好。。

我现在刚知道列表推导式。。

不懂变通呢。

刚测试的结果：

[u'8999850', u'21', u'02', u'11', u'17', u'13', u'15', u'26', u'105', u'6', u'2', u'3', u'3', u'8999851', u'09', u'08', u'28', u'17', u'15', u'12', u'33', u'122', u'5', u'3', u'3', u'4', u'0', u'2', u'1', u'1', u'4', u'0', u'0', u'0', u'4', u'0', u'1', u'1', u'1', u'2', u'3', u'4', u'6', u'7', u'8', u'9', u'10', u'11']

复制代码

[:8]没有起作用哦

之前的代码，

r = re.findall(r'(\d+)</(td|p)>',html)
print( [i[0] for i in r][:8])

复制代码

得到的结果

[u'8999850', u'21', u'02', u'11', u'17', u'13', u'15', u'26']

复制代码

要学习 · 发表于 2017-10-30 11:02:54

xuanmuluck 发表于 2017-10-30 09:24
r']+>\s*(\d*)

感谢老师的指点。。

要学习 · 发表于 2017-10-30 17:12:32

xuanmuluck 发表于 2017-10-30 09:24
r']+>\s*(\d*)

老师好，
你的正则表达式。能不能改成这样：

前面判断是否为7位数字，后面的判断是否为两位数字的

xuanmuluck · 发表于 2017-10-31 09:12:12

额,我的理解能力很差,所以我不知道你说的什么,之前的题目是ooxx大佬解释了很多次以后,我才明白你的目的...

要学习 · 发表于 2017-10-31 10:06:34

xuanmuluck 发表于 2017-10-31 09:12
额,我的理解能力很差,所以我不知道你说的什么,之前的题目是ooxx大佬解释了很多次以后,我才明白你的目的...

是我的表达能力的问题。

哎

xuanmuluck · 发表于 2017-10-31 12:47:38

要学习发表于 2017-10-31 10:06
是我的表达能力的问题。

哎

不是,是我的语言理解能力很差...

账号		自动登录	找回密码
密码			立即注册

这个正则要如何写 比较简洁呢？

马上注册，结交更多好友，享用更多功能^_^

这个正则要如何写比较简洁呢？