首页
社区
课程
招聘
问答 CTF 排行榜 知识库 工具下载 峰会 看雪商城 证书查询
  1. 社区
  2. 编程技术
    3. 发新帖
python3小白，求助关于正则表达式爬取豆瓣图书，一直卡在那也不报错，不知道问题出在哪？？？
发表于: 2018-5-2 21:30 3504

python3小白，求助关于正则表达式爬取豆瓣图书，一直卡在那也不报错，不知道问题出在哪？？？

OtuDeveloper 活跃值
2018-5-2 21:30
3504
import requests
import re
content = requests.get('https://book.douban.com/').text
#print (content)
pattern = re.compile(r'<li.*?cover.*?href="(.*?)".*?title="(.*?)".*?more-meta.*?author">(.*?)</span>.*?year">(.*?)</span>.*?</li>', re.S)
results = re.findall(pattern, content)
print (results)
for result in results:
    url, name, author, date = result
    author = re.sub('\s', '', author)
    date = re.sub('\s', '', date)
    print(url, name, author, date)

[注意]传递专业知识、拓宽行业人脉——看雪讲师团队等你加入！

收藏
免费 ・0
支持
分享
最新回复 (9)
SevenSir
雪    币： 129
活跃值： (407)
能力值： ( LV4，RANK：50 )
在线值：
发帖
回帖
粉丝
私信
2 楼
能描述清楚。卡在第几行？哪一个函数？
2018-5-3 09:46
0
junkboy
雪    币： 11716
活跃值： (133)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
3 楼
没有实际测试，但我觉得可能是正则表达式的非贪婪模式引起的。可以试试优化一下表达式
2018-5-3 09:49
0
OtuDeveloper
雪    币： 243
活跃值： (10)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
4 楼
SevenSir 能描述清楚。卡在第几行？哪一个函数？
这个不知道，因为就一直卡然后啥也没有，估计是re.compile那里在匹配时候出了问题吧！
2018-5-3 10:53
0
OtuDeveloper
雪    币： 243
活跃值： (10)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
5 楼
junkboy 没有实际测试，但我觉得可能是正则表达式的非贪婪模式引起的。可以试试优化一下表达式
不会优化，能帮忙指点下吗？
2018-5-3 10:54
0
OxCL
雪    币： 18
活跃值： (25)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
6 楼
貌似是  re.findall  的问题，虽然也不知道则么会卡住，不过  html  的话用  pyquery  或  BeautifulSoup  比较方便吧，应该也不会有这个问题
2018-5-3 11:59
0
OtuDeveloper
雪    币： 243
活跃值： (10)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
7 楼
OxCL 貌似是 re.findall 的问题，虽然也不知道则么会卡住，不过 html 的话用 pyquery 或 BeautifulSoup 比较方便吧，应该也不会有这个问题
据说正则挺重要，所以就想学学，结果刚入门就入坑了
2018-5-3 15:47
0
OtuDeveloper
雪    币： 243
活跃值： (10)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
8 楼

import requests
import re
content = requests.get('https://book.douban.com/').text

 

#print (content)
pattern = re.compile(r'<li.*?cover.*?href="(.*?)"\stitle="(.*?)".*?more-meta.*?author">(.*?)</span>.*?year">(.?)</span>.?</li>', re.S)##这里应该要在URL和title之间匹配空格，用\s
results = re.findall(pattern, content)

 

#print(results)
for result in results:
url , name , author , date = result
name = re.sub('\s','',name)
author = re.sub('\s','',author)
date = re.sub('\s','',date)
print(url,name,author,date)

2018-5-9 11:28
0
SevenSir
雪    币： 129
活跃值： (407)
能力值： ( LV4，RANK：50 )
在线值：
发帖
回帖
粉丝
私信
9 楼
OtuDeveloper 据说正则挺重要，所以就想学学，结果刚入门就入坑了
如果你是解析html的话，用pyquery吧。很好用。py的正则我觉得挺麻烦的。推荐你一个学习正则的工具:https://deerchao.net/tools/regester/index.htm
含有正则工具和一部分实用的正则教程。你可以先用这个工具去匹配、测试，然后再把正则表达式转换成python的格式即可。
2018-5-9 11:41
0
OtuDeveloper
雪    币： 243
活跃值： (10)
能力值： ( LV2，RANK：10 )
在线值：
发帖
回帖
粉丝
私信
10 楼
SevenSir 如果你是解析html的话，用pyquery吧。很好用。py的正则我觉得挺麻烦的。推荐你一个学习正则的工具:https://deerchao.net/tools/regester/index.htm ...
嗯呢，用正则解析html感觉确实挺麻烦，谢谢啦
2018-5-9 13:25
0
游客
登录 | 注册 方可回帖
回帖 表情 雪币赚取及消费
高级回复
返回
//