• 欢迎访问搞代码网站,推荐使用最新版火狐浏览器和Chrome浏览器访问本网站!
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏搞代码吧

正则表达式如何匹配网页里面的汉字?

python 搞代码 4年前 (2022-01-09) 19次浏览 已收录 0个评论
文章目录[隐藏]

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App本文来源gao.dai.ma.com搞@代*码#网le 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。

<code class="language-text">//span[@class="pro-title"]/text()</code>

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!

<code class="language-text">---------------代码区----------------# coding:utf-8import rex='<span class="pro-title">Apple iPhone 5s (A1530) 16GB 金色 移动联通4G手机</span> <span class="pro-price">'xre=r'(<span class="pro-title">)(.+)(</span> <span class="pro-price">)'z=re.search(xre,x).group(2)print z----------输出区-----------------------C:\Python27\python.exe D:/PycharmProjects/爬虫/test.pyApple iPhone 5s (A1530) 16GB 金色 移动联通4G手机进程已结束,退出代码0</code>

.+ /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:

<code class="language-python3"><span class="kn">import</span> <span class="nn">re</span><span class="kn">import</span> <span class="nn">requests</span> <span class="k">as</span> <span class="nn">req</span><span class="kn">from</span> <span class="nn">bs4</span> <span class="k">import</span> <span class="n">BeautifulSoup</span><span class="n">url</span> <span class="o">=</span> <span class="s">'xxx'</span><span class="n">html</span> <span class="o">=</span> <span class="n">req</span><span class="o">.</span><span class="n">get</span><span class="p">(</span><span class="n">url</span><span class="p">)</span><span class="o">.</span><span class="n">text</span><span class="n">bs</span> <span class="o">=</span> <span class="n">BeautifulSoup</span><span class="p">(</span><span class="n">html</span><span class="p">)</span><span class="n">span</span> <span class="o">=</span> <span class="n">bs</span><span class="o">.</span><span class="n">find_all</span><span class="p">(</span><span class="s">'span'</span><span class="p">,</span> <span class="s">'pro-title'</span><span class="p">)</span><span class="sd">'''</span><span class="sd">span = re.findall('<span>[^<]+</span>', html)</span><span class="sd">s = span[0]</span><span class="sd">m = re.findall('[\u4e00-\u9fa5]+', s)</span><span class="sd">'''</span><span class="n">s</span> <span class="o">=</span> <span class="nb">str</span><span class="p">(</span><span class="n">span</span><span class="p">)</span><span class="n">m</span> <span class="o">=</span> <span class="n">re</span><span class="o">.</span><span class="n">findall</span><span class="p">(</span><span class="s">'[</span><span class="se">\u4e00</span><span class="s">-</span><span class="se">\u9fa5</span><span class="s">]+'</span><span class="p">,</span> <span class="n">s</span><span class="p">)</span><span class="nb">print</span><span class="p">(</span><span class="n">m</span><span class="p">)</span></code>

pyquery 会用jquery的话你会爱上它的换php用 phpQueryCSS Selector


搞代码网(gaodaima.com)提供的所有资源部分来自互联网,如果有侵犯您的版权或其他权益,请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected],我们会在看到邮件的第一时间内为您处理,或直接联系QQ:872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接:正则表达式如何匹配网页里面的汉字?
喜欢 (0)
[搞代码]
分享 (0)
发表我的评论
取消评论

表情 贴图 加粗 删除线 居中 斜体 签到

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址