欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  后端开发

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!

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 正则表达式如何匹配网页里面的汉字?
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: 正则表达式如何匹配网页里面的汉字?
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正则表达式如何匹配网页里面的汉字?

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


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
  • 正则表达式如何匹配网页里面的汉字?
  • 专题推荐

    作者信息
    正则表达式如何匹配网页里面的汉字?

    认证0级讲师

    推荐视频教程
  • 正则表达式如何匹配网页里面的汉字?javascript初级视频教程
  • 正则表达式如何匹配网页里面的汉字?jquery 基础视频教程
  • 视频教程分类