正则表达式如何匹配网页里面的汉字?
程序员文章站
2022-05-22 08:03:11
...
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!
我又来安利xpath了,放弃正则表达式吧少年。
怒答,看到不懂正则的还瞎BB,为你感到悲哀!上图!
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:
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。
相关文章
相关视频
专题推荐
-
独孤九贱-php全栈开发教程
全栈 170W+
主讲:Peter-Zhu 轻松幽默、简短易学,非常适合PHP学习入门
-
玉女心经-web前端开发教程
入门 80W+
主讲:灭绝师太 由浅入深、明快简洁,非常适合前端学习入门
-
天龙八部-实战开发教程
实战 120W+
主讲:西门大官人 思路清晰、严谨规范,适合有一定web编程基础学习
上一篇: JS实现遮罩层效果的简单实例_javascript技巧
下一篇: Docker 容器镜像及其使用
网友评论
文明上网理性发言,请遵守 新闻评论服务协议
我要评论