【求助】为什么正则匹配得出的变量不能继续匹配获得想要的数据？

flyboy612

各位chinaunix的朋友们，大家好。今天继续寻求您们的帮助。

今天试着用python写了个获取百度贴吧帖子第一页内容的小玩意，但是，很奇怪，在用正则取得楼主名字之后，却无法再使用楼主的名字继续获得楼主发表的内容；而通过手工指定却可以。具体代码如下：

1. #!/usr/bin/python
   
2. #coding:utf-8
   
3. 
   
4. import re,urllib2,sys
   
5. 
   
6. def html_to_text(html):
   
7.     html = re.sub(r'<p>(.*?)</p>', r'\1\n', html)
   
8.     html = re.sub(r'<br>', r'\n', html)
   
9.     html = re.sub(r'\n\n', r'\n', html)
   
10.     html = re.sub(r'<[^<>]*>', '', html)
    
11.     html = html.replace('\r', '')
    
12.     return html.strip()
    
13. 
    
14. url = 'http://tieba.baidu.com/p/1294878714'
    
15. a = urllib2.urlopen(url).read()
    
16. 
    
17. #开始创建文件
    
18. fp = open('tstsss.txt','w')
    
19. 
    
20. #开始找楼主
    
21. findlouzhu = re.findall(r'author:.*',a,re.M)
    
22. 
    
23. louzhu = ''
    
24. for louzhu in findlouzhu:
    
25.     louzhu = re.sub(r'author:"', r'', louzhu )
    
26.     louzhu = re.sub(r'",',r'',louzhu )
    
27. 
    
28. #看看楼主是谁
    
29. print louzhu
    
30. 
    
31. #此处很奇怪，从正则表达式匹配出来的楼主，和下面赋值的时一样的，但是，
    
32. #下面如果使用正则表达式匹配取得的变量的话，却无法取得内容并生成内容。
    
33. #而使用手动赋值的话，确可以获取到楼主的发布的内容。这是什么原因？
    
34. #louzhu = 'pbs6666'
    
35. 
    
36. content = re.findall(r'<li class="d_name">.*?</cc>',a,re.M|re.S)
    
37. for i in content:
    
38.     if re.search(louzhu,i):
    
39.         abc = re.findall(r'<cc>.*?</cc>',i,re.M|re.S)
    
40.         for j in abc:
    
41.             fp.write(html_to_text(j)+'\n')
    
42. fp.close()

复制代码

lixinyong0412

你获得的字符串中包含了空格
将re.search(louzhu, i)
改为re.search(louzhu.strip(), i)

lixinyong0412

你获得的字符串中包含了空格
将re.search(louzhu, i)
改为re.search(louzhu.strip(), i)

flyboy612

回复 3# lixinyong0412

非常感谢您的回复，原来是这样子的啊。谢谢！

Tinylamb

解析网页，建议用BeautifulSoup