爬虫知识点（二） 正则匹配数字 （敲黑板的那种！！！）

最新推荐文章于 2020-10-29 08:43:01 发布
最新推荐文章于 2020-10-29 08:43:01 发布
阅读量326 收藏
点赞数 1
分类专栏： 爬虫 正则表达式 文章标签： xpath
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42142258/article/details/90232864
版权

只有偷懒才能让我进步！！！

 

继续撸需求，在请求接口时返回了一个html页面，需要匹配其中的价格，但是数字并不是唯一的，如何匹配？ （由于一些原因，把文字做了修改，请不要在意细节）

<html>
	<head>
		<meta http-equiv="Content-Type" content="text/html; charset=GBK" />
		<title>商品详细信息</title>


	</head>
	<body>
		<form name="goodsFilingStatusForm" method="post" action="/goodsFilingStatus.do?method=searchGoodsDetail" style="margin:0px;" id="/goodsFilingStatusForm">
			<table border="0" cellpadding="0" cellspacing="0" class="table005">
  				<tr>
    				<td class="table002a">&nbsp;</td>
    				<td class="table002b">
    					<table width="100%" border="0" class="table006">
      						<tr>
        						<td>&nbsp;</td>
        						<td>&nbsp;</td>
      						</tr>
    					</table>
    				</td>
    				<td class="table002c">&nbsp;</td>
  				</tr>
  				<tr>
    				<td class="table002d">&nbsp;</td>
    				<td valign="top" class="table002e">
    					<table width="100%" border="0" cellpadding="0" cellspacing="0">
  							<tr>
    							<td width="18"><a href="/jsp/common/welcome.jsp"><img src="/images/kuangjia_014.gif" alt="首页" width="18" height="15" border="0" /></a></td>
    							<td class="table005_text">商品详细信息</td>
    							<td>&nbsp;</td>
  							</tr>
  							<tr>
    							<td colspan="3" class="table012"></td>
    						</tr>
						</table>
    				<form action="" method="post" enctype="multipart/form-data" name="form1" id="form1"  style="margin:0px;">
      					<table border="0" class="table003">
        					<tr>
          						<td class="table003c">
   									<table width="100%" border="0" cellspacing="5">
  										<tr class="table003h">
   	 										<td >&nbsp;&nbsp;&nbsp;&nbsp;单证状态信息</td>
  										</tr>
									</table>
									<table width="100%" border="0" cellpadding="1" cellspacing="1" class="table006">
	            						<tr  >
	              							<td class="table003g">状态：</td>
	              							<td class="table004_text">审核通过</td>
	              							<td class="table003g">发送时间：</td>
	              							<td class="table004_text">2019-04-27 16:28:14</td>
	              							<td class="table003g">接收回执时间：</td>
	              							<td class="table004_text">2019-04-28 15:00:07</td>
	            						</tr>
	            						<tr  >
	              							<td class="table003g">回执详细信息：</td>
	              							<td class="table004_text">二级审核通过操作</td>
	              							<td class="table003g">主管检验：</td>
	              							<td class="table004_text">47140/办事处</td>
	              							<td class="table003g">锁定状态：</td>
	                        				<td class="table004_text">
	                        					
	                        					 未锁定 
	                        				</td>
	            						</tr>
    								</table>        
	          						<table width="100%" border="0" cellspacing="5">
	  									<tr class="table003h">
	    									<td >&nbsp;&nbsp;&nbsp;&nbsp;基本信息</td>
	  									</tr>
									</table>
	          						<table width="100%" border="0" cellpadding="1" cellspacing="1"class="table009">
	            						<tr>
	              							<td class="table007">电商平台代码/名称：</td>
	              							<td class="table008"></td>
	              							<td class="table007">电商商户代码/名称：</td>
	              							<td class="table008">K4718001123/太极老头儿科技有限公司</td>
	              							<td class="table007">申报企业：</td>
	              							<td class="table008">K47180001123/太极老头头科技有限公司</td>
	            						</tr>
	            						<tr>
	              							<td class="table007">申报类型：</td>
	              							<td class="table008">新增</td>
	              							<td class="table007">授权申报企业代码/名称：</td>
	              							<td class="table008">K4718000231/
	              												太极老头儿物流有限公司</td>
	              							<td class="table007">业务模式：</td>
	              							<td class="table008">网购保税进口</td>
										</td>
	            						</tr>
	          						</table>
	    							<table width="100%" border="0" cellspacing="5">
	  									<tr class="table003h">
	    									<td >&nbsp;&nbsp;&nbsp;&nbsp;商品信息</td>
	  									</tr>
									</table>
	            					<table width="100%" border="0" cellpadding="1" cellspacing="1" bordercolor="#283e4e">
	                      				<tr>
	                        				<td class="table007">案号：</td>
	                        				<td class="table008">K47180021500112375</td>
	                        				<td class="table007">商品货号：</td>
	                        				<td class="table008">7640140311235</td>
	                        				<td class="table007">商品税号：</td>
	                        				<td class="table008" width="14%">33041123</td>
	                      				</tr>
	                      				<tr>
	                        				<td class="table007">海关商品编码：</td>
	                        				<td class="table008" width="18%">330420039</td>
	                        				<td class="table007">商品名称：</td>
	                        				<td class="table008">M416</td>
	                        				<td class="table007">规格型号：</td>
	                        				<td class="table008">挺重</td>
	                      				</tr>
	                      				<tr>
	                        				<td class="table007">主要成分：</td>
	                        				<td class="table008">铁</td>
	                        				<td class="table007">品牌：</td>
	                        				<td class="table008">突突用的东西</td>
	                        				<td class="table007">计量单位：</td>
	                        				<td class="table008">把</td>
	                      				</tr>
	                      				<tr>
	                        				<td class="table007">价格：</td>
	                        				<td class="table008">21.0</td>
	                        				<td class="table007">币制：</td>
	                        				<td class="table008">人民币</td>
	                        				<td class="table007"><span class="table008">原产国：</span></td>
	                        				<td class="table008"></td>
	                      				</tr>
	                      				<tr>
	                        				<td class="table007">是否赠品：</td>
	                        				<td class="table008">否</td>
	                        				<td class="table007">是否检查：</td>
	                        				<td class="table008">非检查</td>
	                        				<td class="table007">条形码：</td>
	                        				<td class="table008">62821401122355</td>
	                      				</tr>
	                      				<tr>
	                        				<td class="table007">供货商企业名称：</td>
	                        				<td class="table008">Swiss Image I AG</td>
	                        				<td class="table007">供货商国别：</td>
	                        				<td class="table008">P城</td>
	                        				<td class="table007">生产企业名称：</td>
	                        				<td class="table008">绝地海岛</td>
	                      				</tr>
	                      				<tr>
	                        				<td class="table007">生产企业国别：</td>
	                        				<td class="table008"></td>
	                        				<td class="table007">适用标准：</td>
	                        				<td class="table008">国际标准</td>
	                        				<td class="table007">认证情况：</td>
	                        				<td class="table008">不需要</td>
	                      				</tr>
	                      				<tr>
	                        				<td class="table007">监管类别：</td>
	                        				<td class="table008">普通枪</td>
	                       					<td class="table007">境外食品生产企业注册号：</td>
	                        				<td class="table008"></td>
	                        				<td class="table007">企业风险明示标志：</td>
	                        				<td class="table008">同意</td>
	                      				</tr>
	                      				<tr><td class="table007">生产国：</td>
	                        				<td class="table008">P城</td>
	                        				<td class="table007">变更原因：</td>
	                        				<td class="table008" colspan="5"></td>
	                      				</tr>
	            					</table>
	      							<table width="100%" border="0" cellspacing="5">
	 									<tr class="table003h">
	   										<td >&nbsp;&nbsp;&nbsp;&nbsp;图片信息</td>
	 									</tr>
									</table>
	            					<div style="width:100%; height:auto;">
										
									</div>
									<table width="100%" border="0" cellspacing="5">
	 									<tr class="table003h">
	   										<td >&nbsp;&nbsp;&nbsp;&nbsp;附件信息</td>
	 									</tr>
									</table>
									<div style="width:100%; height:auto;">
										<div style="width:100%; height:auto;" align="left">
											
										</div>
									</div>
          						</td>
        					</tr>
      					</table>
        			</form>    
        			</td>
    				<td class="table002f">&nbsp;</td>
  				</tr>
  				<tr>
    				<td class="table002g">&nbsp;</td>
    				<td class="table002h">&nbsp;</td>
    				<td class="table002i">&nbsp;</td>
  				</tr>
			</table>
		</form>
	</body>
</html>

匹配代码如下：（貌似不太符合需求）

继续：（貌似有点作用，我遵循的原则是偷懒，一步到位的那种）

最终版：（html文件读入使用read方法，使用其他方法很麻烦的，不信你试试！）

 

宗乐平
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python 爬虫之正则表达式 一看就会！！
weixin_54787921的博客
06-02 479
正则表达式是什么都不知道？正则表达式还不会用？看完你就会了！前言1.元字符2.重复限定符3.分组4.转义5.条件或6.区间 前言 正则表达式在几乎所有语言中都可以使用，无论是前端的JavaScript、还是后端的Java、c#。他们都提供相应的接口/函数支持正则表达式。 1.元字符 元字符是构造正则表达式的一种基本元素。 如下表格是几个常用的元字符： 元字符 说明 . 匹配除换行符以外的任意字符 \w 匹配字母或数字或下划线或汉字 \s 匹配任意的空白符 \d 匹配数字 \b
Python正则匹配HTML,python正则匹配html标签_Python爬虫常用正则表达式及HTML网页标签分析总结...
weixin_30661579的博客
05-31 2971
这篇文章主要是介绍Python爬取网页信息时，经常使用的正则表达式及方法。它是一篇总结性文章，实用性比较大，主要解决自己遇到的爬虫问题，也希望对你有所帮助~当然如果会Selenium基于自动化测试爬虫、BeautifulSoup分析网页DOM节点，这就更方便了，但本文更多的是介绍基于正则的底层爬取分析。涉及内容如下：常用正则表达式爬取网页信息及HTML分析总结1.获取标签之间内容2.获取超链接之间...
python爬虫——正则表达式常用函数及匹配规则
普罗王斯的博客
08-02 216
正则表达式测试工具：http://tool.oschina.net/regex/ 常用匹配规则 模式 描述 + 匹配1个或多个表达式 * 匹配0个或多个表达式 ^ 匹配一行字符串开头 $ 匹配一行字符串结尾 . 匹配任意字符 \d 匹配任意数字 \s 匹配任意空白符号 \w 匹配字母、数字及下划线 {n} 精确匹配n个前面的表达式 常用匹配方法 ...
爬虫正则匹配固定长度的数字
Artorias的博客
10-20 3012
在写爬虫获取网页中网址的时候发现网址中有个参数是随机生成的六位数字，这就需要正则匹配数字提取出这个参数。但是如果正则表达式直接是\d发现只匹配一个数字 要制定数字长度的话正则表达式为 \d{ } 括号中的数字就是你要匹配的长度 item="sfsfsdfsdf123451ds:sdfa12312dfaf987654阿斯蒂芬123456789" pattern = re.compile(r"\d{...
清华-尹成老师-Python爬虫day20
01-22
尹成老师带你步入python爬虫的殿堂，讲课生动风趣、深入浅出，全套视频内容充实，整个教程以python语言为核心，完整精彩的演练了python爬虫操作流程以及各种精彩的小项目等，非常适合大家学习！
Python数据分析与爬虫
05-09
本课程主要讲解Python基础、数据分析扩展包Numpy、pandas、matplotlib，Python读取MySQL数据，Python爬虫及Scrapy框架，无监督机器学习算法聚类分析等，以及案例：互联网金融行业客户价值分析等。
Python爬虫：正则匹配网址中的数字
彭世瑜的博客
05-26 5780
# 匹配网址中的数字 import re url = "https://www.baidu.com/company/13828?param=abc" com_id = re.match(".*company/(\d+)", url) print com_id.group(1) # 13828 将其封装为函数 # -*- coding: utf-8 -*- # @File : ...
js正则匹配出所有图片及图片地址src的方法
10-24
通过上述知识，我们可以看到JavaScript正则表达式在处理字符串中的图片标签及其地址src属性方面的应用，这对于动态页面内容的处理尤为重要，尤其是在内容管理系统(CMS)、网页爬虫等领域。掌握这些技巧有助于提升前端...
易语言正则匹配网页链接源码-易语言
06-13
在这个"易语言正则匹配网页链接源码"的教程中，我们将深入探讨如何使用易语言进行正则表达式匹配，以及在实际应用中如何提取和处理网页链接。 正则表达式（Regular Expression）是用于匹配字符串的强大工具，广泛...
正则匹配---爬虫中常用的
soyabean555999的博客
01-19 3263
文章转自：http://blog.csdn.net/skyeyesxy/article/details/50837984正则表达式学习链接：http://www.runoob.com/python/python-reg-expressions.html1.正则表达式的符号与方法常用符号：点号，星号，问号与括号（小括号）.:匹配任意字符，换行符\n除外*:匹配前一个字符0次或无限次?:匹配前一个字符
Python爬虫常用正则表达式总结(全)
HelloByte的博客
07-06 2032
常用正则一.输入框防止特殊字符勿输入验证二、校验字符的表达式三、特殊需求表达式正则表达式用例 一.输入框防止特殊字符勿输入验证 这个是输入框防止特殊字符勿输入验证，包括键盘上所有特殊字符的英文和中文状态。需要者可以根据自身需求而定！谢谢！ [^\w\s]+ 匹配非空 非字母 非数字 即可 1 数字：1*$ 2 n位的数字：^\d{n}$ 3 至少n位的数字：^\d{n,}$ 4 m-n位的数字：^\d{m,n}$ 5 零和非零开头的数字：^(0|[1-9][0-9]*)$ 6 非零开头的最多带两位小数的数字
爬虫基础之列表、数组
a447380142的博客
02-21 602
列表 list 名字 = [元素1，元素2， ……] 可以理解为无限大，但实际是有限的。 增: 末尾追加 list.append[值] 任意位置 list.insert[位置，新数值] 直接用+ 删： del list[位置] list.remove[列表中的值] list.pop[倒序位置，正序从0开始，倒序从0开始到负数] 改： 直接修改 list[位置]=新值，...
2、爬虫数据解析的三方式
weixin_30755709的博客
01-22 127
一.正则表达式解析 常用正则表达式回顾： 单字符： . : 除换行以外所有字符 [] ：[aoe] [a-w] 匹配集合中任意一个字符 \d ：数字 [0-9] \D : 非数字 \w ：数字、字母、下划线、中文 \W : 非\w \s ：所有的空白字符包,括空格、制表符、换页符...
table td中，当td里面填充的为纯数字的时候，使用overflow:hidden无效
chelflan's blog
07-18 669
非数字的情况 <div style="width: 600px;"> <table border="1" style="width: 90%;margin: 0 auto;display: inline-block;table-layout:fixed;"> <tr> <th>Month</th> ...
正则表达式进行数据爬取
jijijun的博客
10-29 2108
聚焦爬虫：爬取页面中指定的内容 指定 url 发起请求 获取响应数据 数据解析 持久化存储 数据解析分类：正则，bs4，xpath(*通用性强) 数据解析原理：解析的局部的文本内容，都会在标签或者标签对应的属性中进行存储 进行指定标签定位 标签或者标签对应的属性中存储的数据值进行提取 ①：正则表达式— . ：除换行以外所有字符 [] ：[aoe] [a-w]匹配集合中的任意一个字符 \d ：数字【0-9】 \D ：非数字 \w ：数字、字母、下划线、中文 \W ：非\w \s ：所有的空白字符包，包
python-爬虫-正则匹配-提取url
Mr_WoLong
08-15 1758
直接上代码，简单粗暴 res = "background:#000 url(http://p3.yokacdn.com/pic/YOKA/2019-01-25/U464P1TS1548411340_54313.jpg) no-repeat center top" regex = "url\(([\s\S]*?)\)" res1 = re.search(regex, res).group(1) pr...
python爬虫抓取网页图片正则匹配
最新发布
03-18
以下是使用Python爬虫抓取网页图片并进行正则匹配的基本步骤： 1. 导入所需的库：首先需要导入Python的requests库和re库，分别用于发送HTTP请求和进行正则表达式匹配。 2. 发送HTTP请求：使用requests库发送GET请求...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值