python正则表达式匹配问题

sqsowen

用python写了个提取网页的小程序，代码如下：

1. # encoding:UTF-8
   
2. import sys
   
3. import re
   
4. from urllib2 import Request, urlopen, URLError, HTTPError
   
5. 
   
6. def get_packet(url):
   
7.         packet = urlopen(url)
   
8.         content = packet.read()
   
9.         return content
   
10. def get_data(packet):
    
11.         xiangmu = '~'
    
12.         tmp = re.search(r'<a href=.*',packet)
    
13.         if tmp is not None:
    
14.                 xiangmu = tmp.group().strip()
    
15.         print xiangmu
    
16. if __name__=='__main__':
    
17.         url = 'http://stock.finance.qq.com/corp1/cbsheet.php?zqdm=600787&type=2014'
    
18.         packet = get_packet(url)
    
19.         if packet =='~':
    
20.                 sys.exit(0)
    
21.         get_data(packet)

复制代码

输出只打印了一部分含有<a href=的文本，还有些没有打印出来，如何把全部都打印出来？

crifan

你的本意是需要提取链接内容，即解析网页提取所需内容，是吧？
如果是，那么建议换成BeautifulSoup等专业解析网页的库。
原因详见：
【整理】关于用正则表达式处理html代码方面的建议
【问题解答】建议：处理html时复杂的需求，建议使用专门的库比如BeautifulSoup去处理而不要用正则

然后再去看相关更完整的教程：
详解抓取网站，模拟登陆，抓取动态网页的原理和实现（Python，C#等）

amandaysu

用findall吧？
search不是就找第一个匹配的吗？
回复 1# sqsowen


   

sqsowen

回复 3# amandaysu
好像得了，谢谢

   

sqsowen

谢谢指点，是你写的库？回复 2# crifan


   

crifan

回复 5# sqsowen


    哪里？什么？