• 技术文章 >后端开发 >Python教程

    正则表达式如何匹配网页里面的汉字?

    2016-06-06 16:23:34原创1565
    python做的爬虫,需要提取html中Apple iPhone 5s (A1530) 16GB 金色 移动联通4G手机 这里面的手机名,因为初学怎么都不能匹配完全, 其中用.*只能匹配到Apple iPhone 5s (A1 请各位指点一下!已经困住两天了!

    回复内容:

    谢邀。
    我又来安利xpath了,放弃正则表达式吧少年。
    //span[@class="pro-title"]/text()
    
    没人用BeautifulSoup?
    (?<=>).*?(?=<)
    如果实际情况中有许多不同的“<>”对,就请自行填充前后向断言的内容 你应该看看汉字编码,网页的编码很可能是GBK,然而python是用的utf8,所以绝对匹配不了
    怒答,看到不懂正则的还瞎BB,为你感到悲哀!上图!
    ---------------代码区----------------
    # coding:utf-8
    import re
    x='Apple iPhone 5s (A1530) 16GB 金色 移动联通4G手机 '
    xre=r'()(.+)( )'
    z=re.search(xre,x).group(2)
    print z
    ----------输出区-----------------------
    C:\Python27\python.exe D:/PycharmProjects/爬虫/test.py
    Apple iPhone 5s (A1530) 16GB 金色 移动联通4G手机
    
    进程已结束,退出代码0
    
    .+ /sSU 一般情况下可以这样匹配中文,如图:
    先用靓汤或正则找到这个节点,再用上面的字符组匹配。
    假设这个节点只有一个,用法如下:
    import re
    import requests as req
    from bs4 import BeautifulSoup
    
    url = 'xxx'
    html = req.get(url).text
    bs = BeautifulSoup(html)
    span = bs.find_all('span', 'pro-title')
    
    '''
    span = re.findall('[^<]+', html)
    s = span[0]
    m = re.findall('[\u4e00-\u9fa5]+', s)
    '''
    
    s = str(span)
    m = re.findall('[\u4e00-\u9fa5]+', s)
    print(m)
    
    pyquery 会用jquery的话你会爱上它的 换php用 phpQuery CSS Selector
    声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn核实处理。
    专题推荐:span iPhone class Apple pro
    PHP编程就业班

    相关文章推荐

    • 一文搞定Python列表、字典、元组和集合• Python详细解析之容器、可迭代对象、迭代器以及生成器• Python数据结构与算法学习之双端队列• 带你搞懂Python反序列化• python实例详解之xpath解析

    全部评论我要评论

  • 取消发布评论发送
  • 1/1

    PHP中文网