正则表达式

什么鬼…

1. import urllib.request
   
2. import re
   
3. 
   
4. search = input('输入你要查找的内容:')
   
5. qury ={ 'search':search,
   
6.         'title':'Special:搜索',
   
7.         'go':'前往'}
   
8. qury = urllib.parse.urlencode(qury)
   
9. url = 'https://zh.wikipedia.org/w/index.php?'+str(qury)
   
10. content = urllib.request.urlopen(url).read().decode('utf-8')
    
11. 
    
12. title_list = re.findall(r'<a href="(?:[^!]+)" title="([^"]+)" data-serp-pos="(?:[0-9]+)">',content)
    
13. 
    
14.    
    

复制代码

代码如上，我搜索的内容是："我是”      （随意输入的，只是想先调试一下,idle中的输入我没有带引号，这里是为了表明我的输入内容）
运行后print(title_list)然后输出值只有两个title,表示完全不理解，明明应该把所有的title都输出的
我把一个满足的标签进行调试比如

1. >>> re.findall(r'<a href="(?:[^!]+)" title="([^"]+)" data-serp-pos="(?:[0-9]+)">','<a href="/wiki/%E5%81%87%E5%A6%82%E6%88%91%E6%98%AF%E6%AD%A6%E6%9D%BE" title="假如我是武松" data-serp-pos="0">')
   
2. ['假如我是武松']
   
3. >>>

复制代码

但是问题来了

1. >>> re.findall(r'<a href="(?:[^!]+)" title="([^"]+)" data-serp-pos="(?:[0-9]+)">','<a href="/wiki/%E5%81%87%E5%A6%82%E6%88%91%E6%98%AF%E6%AD%A6%E6%9D%BE" title="假如我是武松" data-serp-pos="0"><a href="/wiki/%E6%88%91%E6%98%AF%E4%B8%80%E7%89%87%E4%BA%91" title="我是一片云" data-serp-pos="2">')
   
2. ['我是一片云']
   
3. >>>

复制代码

结果只输出了一个值，这个最起码应该输出两个吧，我确实不知道问题出在哪了，希望有人可以来解答一下.....

donkkong

正则表达式错了，原正则：
r'<a href="(?:[^!]+)" title="([^"]+)" data-serp-pos="(?:[0-9]+)">'
按你要求需要搜索出两条记录，更改后正则：
r'<a href="(?:[^"]+)" title="([^"]+)" data-serp-pos="(?:[0-9]+)">'

怕你看不到哪里改了，长气地交待一下，问题出在叹号上 ：r'<a href="(?:[^!             <-----------
>>> import re

>>> str2='<a href="/wiki/%E5%81%87%E5%A6%82%E6%88%91%E6%98%AF%E6%AD%A6%E6%9D%BE" title="假如我是武松" data-serp-pos="0"><a href="/wiki/%E6%88%91%E6%98%AF%E4%B8%80%E7%89%87%E4%BA%91" title="我是一片云" data-serp-pos="2">'

>>> re.findall(r'<a href="(?:[^"]+)" title="([^"]+)" data-serp-pos="(?:[0-9]+)">', str2)
['假如我是武松', '我是一片云']

hldh214

贪婪模式与懒惰模式

什么鬼…

donkkong 发表于 2017-3-10 16:59
正则表达式错了，原正则：
r'> import re

噢噢，但是我之前那个如果是感叹号的话为什么会有问题呢
我的目的是想让它匹配非感叹号的任意符号，是不是还是有那里有问题
感觉好像是2楼说的贪婪模式的问题...

什么鬼…

hldh214 发表于 2017-3-10 12:41
贪婪模式与懒惰模式

大哥回复的也很好，但是别人回的多一点，抱歉啦

donkkong

"(?:[^"]+)" 意思就是 双引号 开头，然后中间需要获取的内容不允许是 双引号的所有内容，然后最后双引号结尾，如果需要加上叹号不匹配，那就要写成"(?:[^!"]+)",但叹号旁边的双引号不能不要，如果不要了，就会以贪婪模式一直匹配下去，详情可以搜索贪婪模式，如果硬要去掉双引号，那就是另外一种非贪婪写法了，但不要深究，否则会更乱

什么鬼…

donkkong 发表于 2017-3-11 15:45
"(?:[^"]+)" 意思就是 双引号 开头，然后中间需要获取的内容不允许是 双引号的所有内容，然后最后双引号结 ...

好的明白了