小爬虫之链家网一直都有问题不知道为什么，救救孩子

tt520

import requests
import re


url='https://hf.lianjia.com/ershoufang/pg1'   #链家网第一页
headers={'User-Agent':'Mozilla/5.0'}

respone=requests.get(url,headers=headers)
respone.encoding='utf-8'
s=respone.text     #将爬取到的页面赋值给s
#print(s)

p=re.compile('<div class="info clear">.*?</div>(.*?)<div class="positionInfo">.*?<span class="taxfreen">.*?</div>(.*?)<div class="totalPrice">',re.S)  #正则匹配二手房的小区和价格
print(re.findall(s))


#这是爬取链家网第一页的房源和价格  写出正则表达式之后，一直出现这个错误  TypeError: findall() missing 1 required positional argument: 'string'   但是findall里面明显给了s，s也是个字符串啊，为啥啊

__mrsq__

按照你的想法最后应该print(p.findall(s)) 或者 print(re.findall(p,s))吧

lovepipi

你把编译好的正则表达式赋给了p，那么就用p.findall(s)，就会把所有小括号括起来的组给归为一个可迭代对象，没有小括号，就把所有找到的结果归为一个可迭代对象，然后你的re.compile(r'')最好这样写，用原生（row）字符串，就是前面加个小r，不然很多反斜杠的地方会出错～～～～～～～

tt520

lovepipi 发表于 2019-10-28 20:57
你把编译好的正则表达式赋给了p，那么就用p.findall(s)，就会把所有小括号括起来的组给归为一个可迭代对象 ...

三克油  知道了

niuthon

tt520 发表于 2019-10-28 21:01
三克油  知道了

不喜欢你的写法，感觉太乱了