又来取经了, 正则爬虫

jackson_cu

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

xmchenb

import re


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

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

file.close()

jackson_cu

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.


   

jackson_cu

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“\("或"\)"。