匹配btc查询网站的地址链接的问题

oooipussy

1. import urllib.request
   
2. import re
   
3. 
   
4. block = "0000000000000dc3998b2615c2a1754dd38eda2ab80624e9562873c5b20a4713"
   
5. block_url = "https://btc.com/" + block
   
6. block_page = '?page=2&order_by=tx_block_idx&asc=1'
   
7. print (block_url)
   
8. 
   
9. response = urllib.request.urlopen(block_url)
   
10. 
    
11. html = response.read().decode('utf-8','ignore')
    
12. 
    
13. result_next_block = re.search('(https://btc.com/)(\d(\w|\d){33})(")' , html)
    
14. 
    
15. print (result_next_block)
    

复制代码

上面是 对某块 网页的读取

在取地址的时候 只能取得地址 33位 而不是 34位 为什么

我的正则 刚刚学的
也就是这句:
result_next_block = re.search('(https://btc.com/)(\d(\w|\d){33})(")' , html)



结果是这样的:
https://btc.com/0000000000000dc3 ... 4e9562873c5b20a4713
<_sre.SRE_Match object; span=(17373, 17424), match='https://btc.com/16aMVLpAWj9zDXpooSx9WyXxkLEwgHwL6>   这里最后还应该有一个S ,也就是正确结果是16aMVLpAWj9zDXpooSx9WyXxkLEwgHwL6S
但是我为什么取不到?
哪里不对么?

oooipussy

无人?

suchocolate

你的匹配其实是能匹配的，用print打印一下可以看到第2子组就是：

1. print(result_next_block.groups())
   
2. ('https://btc.com/', '16aMVLpAWj9zDXpooSx9WyXxkLEwgHwL6S', 'S', '"')
   
3. # 想获取第2子组：
   
4. print(result_next_block.group(2))

复制代码

不过我觉得没必要那么麻烦还要算位，还要考虑子组，可以直接匹配输出：

1. result_next_block = re.findall(r'href="https://btc.com/(.*?)" class="txio-address"', html)[0]
   
2. print(result_next_block)
   
3. 16aMVLpAWj9zDXpooSx9WyXxkLEwgHwL6S
   

复制代码

oooice

suchocolate 发表于 2020-6-21 19:56
你的匹配其实是能匹配的，用print打印一下可以看到第2子组就是：
不过我觉得没必要那么麻烦还要算位，还要 ...

谢谢你！