请大家帮我看一下为什么这个正则表达式搜不出结果
import urllib.requestimport re
def open_url(url):
req = urllib.request.Request(url)
req.add_header = ('User-Agent','Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.65 Safari/537.36')
response = urllib.request.urlopen(req)
html = response.read().decode('utf-8')
return html
def get_image(html):
p = r'<img class="BDE_Image" src="[^"]+\.jpg"' #网页格式
imglist = re.findall(p,html)
for each in imglist:
print(each)
if __name__ == '__main__':
url = "https://tieba.baidu.com/p/4192700628"
get_image(open_url(url))
这样试试看：
import urllib.request
import re
def open_url(url):
req = urllib.request.Request(url)
req.add_header = ('User-Agent','Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.65 Safari/537.36')
response = urllib.request.urlopen(req)
html = response.read().decode('utf-8')
return html
def get_image(html):
p = r'<img class="BDE_Image".+ src="(.+?)"'
imglist = re.findall(p,html)
for each in imglist:
print(each)
if __name__ == '__main__':
url = "https://tieba.baidu.com/p/4192700628"
get_image(open_url(url)) Twilight6 发表于 2020-7-19 12:41
这样试试看：
大佬，爬出了一个！但是我想知道同样的布局方式，为什么小甲鱼就能爬出来，但是我按照他的做就不行
我发现我上面的代码只爬到一个图片，然后去调试了下看下网站的源码，看了图片你就知道为什么我们爬不到图片，如图：
现在贴吧很坑，故意放几个 \ 斜杠，然后迷惑我们，我记得我之前爬取都是可以的，最近贴吧反爬又升级了？
Twilight6 发表于 2020-7-19 12:52
我发现我上面的代码只爬到一个图片，然后去调试了下看下网站的源码，看了图片你就知道为什么我们爬不 ...
像这种的匹配用 xpath 就方便很多了，把 src 的url全部提取出来，然后用字符串方法把 \ 换成 空字符串就好了 本帖最后由 马钰乔布轩 于 2020-7-19 13:02 编辑
Twilight6 发表于 2020-7-19 12:54
像这种的匹配用 xpath 就方便很多了，把 src 的url全部提取出来，然后用字符串方法把 \ 换成 空字符 ...
大老牛逼！我的也解决了，他的审核元素里加东西了，所以出不来！我现在出来啦！
页:
[1]