[已解决]python正则表达式如何写网址

moneyzld · 发表于 2017-4-11 13:18:29

马上注册，结交更多好友，享用更多功能^_^

您需要登录才可以下载或查看，没有账号？立即注册

x

(ˇˍˇ) 想爬取这个链接<a href="/index.php/news/dynamic.html?start=60" title="4">4</a>
用正则表达式不会写，<a href="/index.php/news/dynamic.html?start=都是不变的，只有后面的60数字是会变改变的。
哪个大神会写，帮助一下，万分感谢，在线等

最佳答案

月排行榜 / 总排行榜

gopythoner

2017-4-11 14:16:50

本帖最后由 gopythoner 于 2017-4-11 14:18 编辑

moneyzld 发表于 2017-4-11 14:13
”/index.php/news/dynamic.html?start=”不变，数字有很多不同的
你上面提到的找出来的不对啊

数字随便变，我这个都能找到的，你大概是没看懂我这个的意思
我在k = re.findall('href="(.*?)"',f)[0]后面的[0]是我只获得找到的第一个
如果你要所有的这种链接的话，你就不需要这个地方
f代表的是你请求得到的网页源代码
直接k = re.findall('href="(.*?)"',f)就能得到整个网页中这种类型的链接，是一个列表

跳转到最佳答案楼层

moneyzld · 发表于 2017-4-11 13:20:15

求助求助，顶一下顶一下

gopythoner · 发表于 2017-4-11 14:00:08

这个挺简单的

f = '''<a href="/index.php/news/dynamic.html?start=60" title="4">4</a>'''
k = re.findall('href="(.*?)"',f)[0]

复制代码

结果

/index.php/news/dynamic.html?start=60

复制代码

moneyzld · 发表于 2017-4-11 14:13:44

gopythoner 发表于 2017-4-11 14:00
这个挺简单的

”/index.php/news/dynamic.html?start=”不变，数字有很多不同的
你上面提到的找出来的不对啊

gopythoner · 发表于 2017-4-11 14:16:50

这个最佳答案由 gopythoner 给出，感谢 gopythoner 的回答。

单击隐藏图章

本帖最后由 gopythoner 于 2017-4-11 14:18 编辑

moneyzld 发表于 2017-4-11 14:13
”/index.php/news/dynamic.html?start=”不变，数字有很多不同的
你上面提到的找出来的不对啊

数字随便变，我这个都能找到的，你大概是没看懂我这个的意思
我在k = re.findall('href="(.*?)"',f)[0]后面的[0]是我只获得找到的第一个
如果你要所有的这种链接的话，你就不需要这个地方
f代表的是你请求得到的网页源代码
直接k = re.findall('href="(.*?)"',f)就能得到整个网页中这种类型的链接，是一个列表

moneyzld · 发表于 2017-4-11 14:27:47

gopythoner 发表于 2017-4-11 14:16
数字随便变，我这个都能找到的，你大概是没看懂我这个的意思
我在k = re.findall('href="(.*?)"',f)[0 ...

url = 'http://www.jiuzhai.com/index.php/news/dynamic.html'
r = requests.get(url)
f = r.text
k = re.findall('href="(.*?)"',f)
print(k)
你看我这样对吗，我试了，找到了很多其他的网站，我只需要”/index.php/news/dynamic.html?start=数字”这个形式的。

gopythoner · 发表于 2017-4-11 14:33:00

本帖最后由 gopythoner 于 2017-4-11 14:34 编辑

moneyzld 发表于 2017-4-11 14:27
url = 'http://www.jiuzhai.com/index.php/news/dynamic.html'
r = requests.get(url)
f = r.text

我知道了
你需要改成这样：

k = re.findall('href="(/index.php/news/dynamic.html\?start=.*?)"',f)

复制代码

必须先定这种链接的格式是你说的前面这段不变的，否则就会找到很多无关的，这个改过的应该没问题了
顺便说一下，我改的这个可能你自己之前试过，但是没有找到的原因可能是因为这个链接中有个?，所以在写正则的时候要用\把这个?转义一下才行

sunnychou · 发表于 2017-4-11 14:35:22

gopythoner 发表于 2017-4-11 14:16
数字随便变，我这个都能找到的，你大概是没看懂我这个的意思
我在k = re.findall('href="(.*?)"',f)[0 ...

*?是什么含义？蟹蟹

moneyzld · 发表于 2017-4-11 14:38:14

gopythoner 发表于 2017-4-11 14:33
我知道了
你需要改成这样：

这次对了，谢谢
确实是这样，我原来写过的就是问号的问题，就一点差异，就是出不来
谢谢

gopythoner · 发表于 2017-4-11 14:39:53

sunnychou 发表于 2017-4-11 14:35
*?是什么含义？蟹蟹

.*?这个是正则里面用的最多的表达方式，你既然要爬网页，那这种基本的正则还是自己去弄清楚比较好，我跟你讲这一个点也没有多大意义
给你一个参考
http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html
还有一个在线测试工具
http://tool.oschina.net/regex/#

moneyzld · 发表于 2017-4-11 16:43:07

gopythoner 发表于 2017-4-11 14:39
.*?这个是正则里面用的最多的表达方式，你既然要爬网页，那这种基本的正则还是自己去弄清楚比较好，我跟 ...

#创建excel文件，并按列导入
#C:\Users\Administrator\Desktop
# -*- coding: utf-8 -*-
def writer_excel():
f = xlwt.Workbook(encoding = 'utf-8')#创建工作簿
sheet = f.add_sheet('jzg')
row0 = [u'人次',u'时间']
column0 = column
colimn1 = m2
#生成第一行
for i in range(0,len(row0)):
      sheet.write(0,i,row0)

#生成第一列
i,j = 1,0
while i < len(column0) and j < len(column0):
      sheet.write_merge(i,i+1,0,0,column0[j])
      i += 1
      j += 1
#生成第二列
i= 0
while i <len(column0):
      for j in ranger(0,len(column1)):
         sheet.write(j+i+1,1,column[j])
      i += 1


f.save('jzg.xls')

你能帮我看看我这出了什么问题吗，为什么我运行就是不能创建文件呢

gopythoner · 发表于 2017-4-11 16:54:09

moneyzld 发表于 2017-4-11 16:43
#创建excel文件，并按列导入
#C:%users\Administrator\Desktop
# -*- coding: utf-8 -*-

我并没有使用过excel的模块，你这个我不会
不过如果你要存储爬到的信息的话，我建议你用CSV文件存储，这个跟excel是一样的表格形式，但是存储数据的方式简单的太多，具体操作方式你自己去看吧，或者查看我之前传到论坛的爬虫代码也行

sunnychou · 发表于 2017-4-12 09:22:25

gopythoner 发表于 2017-4-11 14:39
.*?这个是正则里面用的最多的表达方式，你既然要爬网页，那这种基本的正则还是自己去弄清楚比较好，我跟 ...

谢谢你，自己之前看过，但是实践的比较少，用起来还是有些生疏，.表示任意字符，*表示匹配0-n个，？是字符串结尾，我是放在一起比较懵逼，谢谢你，会再回顾一下，蟹蟹你给的资源

gopythoner · 发表于 2017-4-12 09:31:57

sunnychou 发表于 2017-4-12 09:22
谢谢你，自己之前看过，但是实践的比较少，用起来还是有些生疏，.表示任意字符，*表示匹配0-n个，？是 ...

你自己多去试试就知道了，其实我不怎么用正则表达式的，大概也就只会.*?和.*这2种用法，其他的不熟，每次需要用的时候都要去查看一下用法，但是我发现大部分我需要用到正则的地方只需要上面我说的2个就能解决，至于这2个的区别，你自己去弄清楚吧，自己多去试试就知道多个？的区别在哪里了

sunnychou · 发表于 2017-4-12 10:54:51

gopythoner 发表于 2017-4-12 09:31
你自己多去试试就知道了，其实我不怎么用正则表达式的，大概也就只会.*?和.*这2种用法，其他的不熟，每次 ...

好的，么么

zhangzaifang · 发表于 2017-4-19 16:27:27

gopythoner 发表于 2017-4-11 14:00
这个挺简单的

为什么href没有匹配到呢。

gopythoner · 发表于 2017-4-19 16:44:02

zhangzaifang 发表于 2017-4-19 16:27
为什么href没有匹配到呢。

href是在正则提取的信息的括号外面的，所以匹配不到
这个正则的目的在于提取链接部分，href是不需要的所以没放在正则那个括号里面
你这个问题说明你对正则最基础的用法还没弄清楚，自己好好看看正则的基础用法吧

账号		自动登录	找回密码
密码			立即注册

[已解决]python正则表达式如何写网址

马上注册，结交更多好友，享用更多功能^_^

浏览过的版块