正则表达式匹配多行HTML

爬虫中正则表达式匹配多行HTML

在利用Python抓取网页时，需要利用正则表达式匹配多行HTML，HTML如下：

代码如下：

 patren1 = '<div class="content">.*?<span>(.*?)</span>'
 dataList = re.compile(patren1,re.S).findall(data)

’.’ 在正则表达式中匹配除 ‘\n’ 以外的任意字符，它只在一行中进行匹配，不会进行跨行匹配，如果一行没有，就从下一行重新开始。

添加 re.S 参数之后，正则表达式会将这个字符串作为一个整体，将“\n”当做一个普通的字符加入到这个字符串中，在整体中进行匹配。

’.*? 、 .* 和 .+?
.*? 为非贪婪模式，尽可能的少匹配字符；
.* 为贪婪模式，尽可能的少匹配字符；
‘*’ 匹配0，1，2…次字符； ‘+’ 匹配1，2，3…次字符。