正则非贪婪匹配 及 容易出现的错误

提取html中的tag,需要用正则的非贪婪匹配法,因为贪婪的正则匹配会把最大的闭合Tag提取出来,而这并不是我们想要的。


一般的正则:


re.findall('''<tr>.*</tr>''',html,re.DOTALL)


非贪婪模式下的正则

re.findall('''<tr>.*?</tr>''',html,re.DOTALL)


这样会把最短符合正则的字符串提取出来。


关键在于 '''.*?'''


参考资料:https://docs.python.org/2/library/re.html


查英文的技术资料,记得用谷歌。


这有一片MSDN的中文RE说明:http://msdn.microsoft.com/zh-cn/library/ae5bf541(VS.80).aspx



出现的错误


事情是这样的:

在Chrome审查元素中查看网页源代码,尝试用Python的正则匹配匹配出相应字符串,结果发现怎么也匹配不出来。把审查元素中的字符创copy as html出来,在一个test.py中跑,却能匹配出来,见鬼了。


后来发现,其实是审查元素中的html已经被chrome规整过格式了,源代码中原本是一个\n 审查元素中却显示成了一个空格,我按照这个来匹配,结果匹配不出。

然后从审查元素中粘贴出来的html也是规整后的字符串,想要查看原始的html需要直接点击查看源代码。



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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