[已解决]正则表达式出现异常

寄安

正则表达式部分出现阴影，pycharm一直显示在运行，但是就是不出现结果

1. import requests
   
2. from requests.exceptions import RequestException
   
3. import re
   
4. 
   
5. headers = {
   
6.             'Content-Type': 'text/html; charset=utf-8',
   
7.             'Origin': r'https://maoyan.com',
   
8.             'Referer': r'https://maoyan.com/board/4',
   
9.             'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4577.63 Safari/537.36'
   
10.         }
    
11. cookies ={"Cookie":"""__mta=145013643.1632827792736.1633057494521.1633061039391.33; uuid_n_v=v1; uuid=85DA7560204D11EC9B102B1A959882D0A97A7D0F881E4ACF90ED4B138FB89D1E; _lxsdk_cuid=17c2c1edc9ec8-0f7c6d795c2f3d-a7d193d-144000-17c2c1edc9ec8; _lxsdk=85DA7560204D11EC9B102B1A959882D0A97A7D0F881E4ACF90ED4B138FB89D1E; _csrf=c996b5dd3a909586fa13721ce47e20c12cb7b63b30767bb486a654d025637589; Hm_lvt_703e94591e87be68cc8da0da7cbd0be2=1632995467,1632999503,1633005709,1633053333; _lx_utm=utm_source%3DBaidu%26utm_medium%3Dorganic; __mta=145013643.1632827792736.1632838202638.1633053344019.31; Hm_lpvt_703e94591e87be68cc8da0da7cbd0be2=1633061039; _lxsdk_s=17c3a05eba0-622-9ad-929%7C%7C3"""}
    
12. 
    
13. def get_one_page(url):
    
14.     try:
    
15.         response = requests.get(url,headers=headers,cookies=cookies)
    
16.         if response.status_code == 200:
    
17.             return response.text
    
18.         return None
    
19.     except RequestException:
    
20.         return None
    
21. 
    
22. 
    
23. 
    
24. def parse_one_page(html):
    
25.     pattern = re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?src="(.*?)".*?name"><a.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>.*?integer">(.*?)</i>.*?fraction">(.*?)</i><dd>', re.S)
    
26.     items = re.findall(pattern,html)
    
27.     print(items)
    
28. 
    
29. def main():
    
30.     url = "https://maoyan.com/board/4"
    
31.     html = get_one_page(url)
    
32.     parse_one_page(html)
    
33. 
    
34. if __name__ == '__main__':
    
35.     main()

复制代码

最佳答案

月排行榜 / 总排行榜

白two

2021-10-2 11:45:09

好久没用过正则了，昨天还专门去看了一下，不知道是不是 findall 和分组不太搭，我是先 findall，再遍历分组的

1. import re
   
2. 
   
3. with open('wyyname.html', 'r',encoding='utf8') as f:
   
4.     html = f.read()
   
5. 
   
6. pattern = re.compile('<dd>.*?<img data-src=".*?" alt=".*?" class="board-img" />.*?</dd>', re.S)
   
7. items = pattern.findall(html)
   
8. pattern1 = re.compile('<dd>.*?<img data-src="(.*?)" alt="(.*?)" class="board-img" />.*?</dd>', re.S)
   
9. for item in items:
   
10.     # print(item)
    
11.     i1 = pattern1.search(item).group(1)
    
12.     i2 = pattern1.search(item).group(2)
    
13.     print(i2+':'+i1)
    
14. 
    

复制代码

跳转到最佳答案楼层

寄安

是不是我的正则写的有问题

寄安

我找到原因了，其实正则没有错，我这次写的稍微短了一点，运行成功了、
大家随便回复一下，我设置成最佳答案，不浪费公共资源了

白two

好久没用过正则了，昨天还专门去看了一下，不知道是不是 findall 和分组不太搭，我是先 findall，再遍历分组的

1. import re
   
2. 
   
3. with open('wyyname.html', 'r',encoding='utf8') as f:
   
4.     html = f.read()
   
5. 
   
6. pattern = re.compile('<dd>.*?<img data-src=".*?" alt=".*?" class="board-img" />.*?</dd>', re.S)
   
7. items = pattern.findall(html)
   
8. pattern1 = re.compile('<dd>.*?<img data-src="(.*?)" alt="(.*?)" class="board-img" />.*?</dd>', re.S)
   
9. for item in items:
   
10.     # print(item)
    
11.     i1 = pattern1.search(item).group(1)
    
12.     i2 = pattern1.search(item).group(2)
    
13.     print(i2+':'+i1)
    
14. 
    

复制代码

寄安

白two 发表于 2021-10-2 11:45
好久没用过正则了，昨天还专门去看了一下，不知道是不是 findall 和分组不太搭，我是先 findall，再遍历分 ...

谢谢回复

白two

寄安 发表于 2021-10-2 17:26
谢谢回复

你写 findall 可以用分组吗？我只有遍历 findall 的数据，然后再正则用 search 分组才行