笔者改写了一个爬虫,来爬取补天SRC的漏洞认领页面,将单位名称、漏洞名称、漏洞危害等级爬取下来,但是在正则匹配"漏洞名称"的过程中遇到了一些麻烦。
如上图,想要把"SQL注入漏洞"字符串正则匹配出来,根据常规思想,正则匹配表达式当然要这么写:
Bug_name = re.findall(‘<span>的一个(.*?)</span>.*?</dd>', r.text)
这种方法是不可行的,为什么呢???因为中文"的一个"是不被正则认可的。
于是尝试了各种方法,最后经过调试,使用以下语句进行匹配,成功!
Bug_name = re.findall(u'<span>\u7684\u4e00\u4e2a(.*?)</span>.*?</dd>', r.text)
记录下,以后少走弯路~