免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
最近访问板块 发新帖
查看: 2122 | 回复: 3
打印 上一主题 下一主题

又来取经了, 正则爬虫 [复制链接]

论坛徽章:
1
2015年辞旧岁徽章
日期:2015-03-03 16:54:15
跳转到指定楼层
1 [收藏(0)] [报告]
发表于 2015-04-03 11:04 |只看该作者 |倒序浏览
本帖最后由 jackson_cu 于 2015-04-03 11:04 编辑

大家好, 又来叨唠大家了, 最近想帮同事做一个小爬虫, 但正则不过关, 试了好久都没有成功.

网上上的内容如下, 我需要将每天的销售数据从网站上取下来, 保存到excel 表中, 请问用正则如何取到这些数据呢?
网页上"<td class="th_l3">     <td class="td_content_right">" 这种到都是!
  1. <div id="dateList">                               
  2. <table class="tablestyle">
  3.                     <tr>
  4.                         <td class="th_l3">日期</td>
  5.                         <td class="td_content_right">2015-03-18</td>                        
  6.                     </tr>
  7.                     <tr>
  8.                         <td class="th_l3">销售数量</td>
  9.                         <td class="td_content_right">5000</td>
  10.                        
  11.                     </tr>                  
  12.                     <tr>
  13.                         <td class="th_l3">价格</td>
  14.                         <td class="td_content_right">25</td>
  15.                         
  16.                     </tr>
  17.                                         </table>
  18. </div>               
复制代码

论坛徽章:
0
2 [报告]
发表于 2015-04-03 14:37 |只看该作者
import re


file = open('cc.txt','r')

for line in file:
    ls = re.findall(r'>(.*)<', line)
    print ls

file.close()

论坛徽章:
1
2015年辞旧岁徽章
日期:2015-03-03 16:54:15
3 [报告]
发表于 2015-04-03 15:25 |只看该作者
回复 2# xmchenb

这个正则不行, 因为网页上有上百上千个这样的><

我只想定位我最感兴趣的这部份,  对不起, 可能是我没有交代清楚.


   

论坛徽章:
1
2015年辞旧岁徽章
日期:2015-03-03 16:54:15
4 [报告]
发表于 2015-04-03 15:29 |只看该作者
回复 2# xmchenb

搞定了, 原来(.*)  这个可以定位我最感兴趣的部份, 谢谢, 还是自己的基本功不扎实, 以前只是看书, 没有多少实操, 看似看懂了, 原来不是那么回事.

书上是这样说的:

(pattern)        匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中则使用$0…$9属性。要匹配圆括号字符,请使用“\("或"\)"。





   
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们:huangweiwei@itpub.net
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP