[已解决]爬虫登陆豆瓣过程中的一个小疑问

fzx960326

爬虫登陆豆瓣的项目中，在查找验证码网址的时候从豆瓣网站上截取的代码是<img id="captcha_image" src="https://www.douban.com/misc/captcha?id=E1KPcF4zOfmj5zsD7OLhrIYo:en&amp;size=s" alt="captcha" class="captcha_image">，而如果想要成功地在源代码中匹配到这串字符，就必须要在最后的大于号前面加“/”，也就是变成<img id="captcha_image" src="https://www.douban.com/misc/captcha?id=E1KPcF4zOfmj5zsD7OLhrIYo:en&amp;size=s" alt="captcha" class="captcha_image"/>, 这里有点不明白为什么要对最后的">"进行转义（正则表达式中“>”貌似也不是元字符）。求解答

最佳答案

月排行榜 / 总排行榜

waitforlove

2018-10-3 18:26:10

waitforlove 发表于 2018-10-3 18:16
我觉得不要搞那么复杂
re.search('.*?(?:)',str)
(?:)非匹配字段

/是结束标识,\才是转义

跳转到最佳答案楼层

waitforlove

能把你的字符串,和正则表达式发出来吗

waitforlove

waitforlove 发表于 2018-10-1 20:44
能把你的字符串,和正则表达式发出来吗

你没想过前面的<号不加,为什么后面的>要加吗,你的正则表达式的问题

fzx960326

waitforlove 发表于 2018-10-1 20:44
能把你的字符串,和正则表达式发出来吗

我自己写的时候正则表达式是'<img id="captcha_image" src="(.+?)" alt="captcha" class="captcha_image">',括号里就是要匹配的验证码的网页.而小甲鱼的正则表达式是'<img id="captcha_image" src="(.+?)" alt="captcha" class="captcha_image"/>',区别就是小甲鱼对最后的>进行了转义.实际上豆瓣网站上截取的这一段代码是<imgid="captcha_image"src="https://www.douban.com/misc/captchaid=E1KPcF4zOfmj5zsD7OLhrIYo:en&amp;size=s" alt="captcha" class="captcha_image">,最后面是没有"/"号的,我也知道我的正则表达式错了，但是不知道为什么在最后的>前加/才能正确的匹配到。

waitforlove

fzx960326 发表于 2018-10-2 21:26
我自己写的时候正则表达式是'',括号里就是要匹配的验证码的网页.而小甲鱼的正则表达式是'',区别就是小甲 ...

我觉得不要搞那么复杂
re.search('.*?(?:<imgid="captcha_image"src=")(.*?)(?:" alt="captcha" class="captcha_image">)',str)
(?:)非匹配字段
前面一个以什么开头,后面一个以什么结尾,中间(.*?)就是我们要的
不要想那些,复杂玩意了

waitforlove

waitforlove 发表于 2018-10-3 18:16
我觉得不要搞那么复杂
re.search('.*?(?:)',str)
(?:)非匹配字段

/是结束标识,\才是转义