求助！爬虫爬取时用re.search只取到了第一次匹配到的数据

萌萌哒的大黑哥

各位大佬帮小弟看一看，本人python新手，看了几天小甲鱼老师的视频，做了一个简易的天气查询，但是在从中国天气网上爬取过程中爬取出来的数据出现乱码，而且是部分，大体来说我也不太清楚。。。描述不清。。。简单说一下问题，第一个是乱码问题，第二个是爬取的数据只有部分，只爬取了第一次索引到的数据，各位帮我看一看，谢谢各位了
第一次发帖，有问题希望各位提出，我会认真吸取并改正
python版本是2.7

1. # -*- coding: utf-8 -*-
   
2. import urllib
   
3. import re
   
4. def gethtml(url):
   
5.     page=urllib.urlopen(url)
   
6.     html=page.read()
   
7.     return html
   
8. def getWeather(html):
   
9.     dayre=re.search('<h1>(?P<a>.+?)</h1>',html)
   
10.     weare=re.search('class="wea">+(?P<b>.+?)+</p>',html)
    
11.     cre=re.search('</span>/<i>+(?P<c>.+?)+</i>',html)
    
12.     if (dayre):
    
13.         a=dayre.group("a")
    
14.         print '今天是',a
    
15.     if (weare):
    
16.         b=weare.group("b")
    
17.         print '天气是',b
    
18.     if (cre):
    
19.         c=cre.group("c")
    
20.         print '温度是',c
    
21. html=gethtml('http://www.weather.com.cn/weather/101240101.shtml')
    
22. getWeather(html)
    

复制代码

alltolove

第六行好像应该解码一下html=page.read().decode('gb2312')

萌萌哒的大黑哥

感觉自己像个zz。。。乱码问题已经解决了，原来是手残多打了+号，导致和后面的正则表达式有冲突什么的，删除了+号就完美了剩下的就是数据只有第一次索引到的问题了

萌萌哒的大黑哥

alltolove 发表于 2017-3-29 13:58
第六行好像应该解码一下html=page.read().decode('gb2312')

首先谢谢你的回答
乱码问题已经解决，不过我刚刚尝试了加上decode，但是解码之后，什么都输出不了，是一片空白的，删除了+号之后添加decode，python就报错了，大概是gb2312不能够解码之类的意思
UnicodeDecodeError: 'gb2312' codec can't decode bytes in position 193-194: illegal multibyte sequence

萌萌哒的大黑哥

个人感觉应该是小甲鱼老师用的findall而我用的是search的原因，看了一下资料也没太懂。。。。

萌萌哒的大黑哥

alltolove 发表于 2017-3-29 13:58
第六行好像应该解码一下html=page.read().decode('gb2312')

我刚才又重新打开了一下代码，发现乱码依旧存在，突然想起你的回复，添加了decode('utf-8')发现乱码消失，原来你所提出的乱码问题还是需要decode的存在，多谢你的回答！！