记一次python爬取某站正则表达式遇到的问题

 一开始代码如下

import re,requests
def get_one_page(url):
    response = requests.get(url)
    response.encoding="gb2312"
    return  response.text
def parse_one_page(html):
    pattern = re.compile('<a href="(.*?)" class="ulink"?>(.*?)</a>',re.S)
    items = re.findall(pattern,html)
    return items

def main():
    url = 'http://www.ygdy8.net/html/gndy/dyzz/list_23_190.html'

    html=get_one_page(url)
    print(parse_one_page(html))
if __name__=='__main__':
    main()

正则表达式为<a href="(.*?)" class="ulink"?>(.*?)</a>

这样匹配会出现很多无关的<a>标签的内容

随意分析页面代码

将正则表达式改为:

<td height="26">.*?<a href="(.*?)" class="ulank"?>(.*?)da/a>.*?</td>

大功告成！