这是一个创建于 3286 天前的主题，其中的信息可能已经有所发展或是发生改变。
pattern = re.compile('<div.?author.?title="(.*?)"',re.S)
pattern = re.compile('<div.*?class="content">(.*?)</div>',re.S)
pattern = re.compile('<i.*?class="number">(.*?)</i>',re.S)
以上注释的正常出结果
pattern = re.compile('<div.*?author.*?title="(.*?)".*?<div.*?class=".*?<div.*?class="content">(.?)</div>.?<i.*?class="number">(.*?)</i>',re.S)
三个合起来的不出结果，不知是什么问题
后面试着改了几次，结果有几次输出八进制
这是写的爬糗百的。。，求指点
 |
1
halfcrazy 2015-12-05 21:46:34 +08:00
|
 |
2
HeyDMCreally OP @halfcrazy 谢谢 不过问题纠结了很久 想知道是哪里表达错了
|
|
4
HeyDMCreally OP |
 |
5
iEverX 2015-12-05 22:59:28 +08:00
@HeyDMCreally 发一个你要匹配的字符串，就是你程序里面的 content
|
 |
6
lecher 2015-12-05 23:26:59 +08:00
我也犯过类似的错误，正则尽量不要用(.*)这样会导致最长匹配，结果就是本意是匹配一串列表的最终匹配出一大段 html 代码。
如果用正则，最好拆分一下，比如要匹配<div class="style1">一大段列表<li></li></div>就先用正则把这个 div 的内容取出来，再对里面的内容进行正则处理。 |
 |
7
iyaozhen 2015-12-05 23:31:55 +08:00
跨行匹配的问题？
.*? -> [/s/S]*? |
|
8
HeyDMCreally OP |
 |
10
Victor215 2015-12-06 00:08:15 +08:00 via Android
这东西分开还能看明白 合起来完全不知道是什么鬼，就算你改好了 放一段时间回来看我相信你肯定也是看不懂的 能简单的分开的就不要合并起来 我觉得能多匹配几次匹配出来就行
|
 |
11
popok 2015-12-06 00:29:45 +08:00
@HeyDMCreally 根据你 8 楼的内容，写的。
title="(.*)">\s<h2>.*</h2>\s</a>\s</div>\s+<div class="content">\s+(.*)\s+<!--\d+-->\s+</div>\s+<div class="stats">\s+<span class="stats-vote"><i class="number">(\d+)</i |
|
12
popok 2015-12-06 00:31:59 +08:00
能分开匹配还是分开比较好点
我的方法是，先 content 写入测试工具，然后把需要匹配那段复制出来，写到正则那栏，然后把其中变化的部分都用正则表示，然后换行都改成\s+，然后就能用了。 当然这种都是傻瓜方法，根本不谈性能 |
|
13
HeyDMCreally OP @popok 谢谢
|
 |
14
imn1 2015-12-06 01:14:37 +08:00
python 的正则不知道是 BUG 还是特殊，当多个不确定子匹配（如.*此类涵盖全部的方式），往往得到的结果为空或不可预想
试过相同的正则在 php 获得结果，但 py 就不行 所以应该尽可能使用可确定的匹配，例如 [^"]+ 或者 [^<]+ 等写法 |
 |
15
vmebeh 2015-12-06 01:36:01 +08:00
<div\sclass\="author.+?title="(.+?)">.+?<div\sclass\="content">(.+?)</div>.+?class\="number">(\d+)</i>
把你的改了一下可用 <div.*?author.*?title="(.*?)".*?<div.*?class="content">(.+?)</div>.+?<i.*?class="number">(.*?)</i> |
Select Language