python 请求正则帮助

lqtest

论坛有个大佬写了Python 辅助采集  
bookattr = re.findall(r']+>([^*[\s\S]*?[td]([0-9]+)[/td]',content,re.M)


其中里面的
]+>([^*[\s\S]*?[td]([0-9]+)[/td]
   
这个规则看不懂 &difference    这个是起什么用呢？



https://www.52.ht/thread-288407-1-1.html   大佬的帖子


我写的规则是采集这个网站  https://www.77nt.com/top/lastupdate.html   

   getattr = re.findall(r'[url=]([^',content,re.M)
  每次都提示我规则错误  ，请指教

爱纯粹

看到这种正则解析网页的就蛋疼，好好的一堆 HTML / XML 解析库不用

lqtest

爱纯粹 发表于 2019-5-15 22:52

看到这种正则解析网页的就蛋疼，好好的一堆 HTML / XML 解析库不用
求指教

robot

这跟正则没有关系啊，&difference是他网址中固定的一串字符

报错可能是因为，网站不一样了，你提取出来的东西 和 人家提取出来的东西也不一样

后面处理这些不一样的东西，报错了

gyjys43043

原帖子是针对http://all.17k.com来采集，你采集的网站不一样，正则的写法也要不一样

&在正则里面没有含义，所以当做普通字符来看就行

lqtest

robot 发表于 2019-5-15 23:03

这跟正则没有关系啊，&difference是他网址中固定的一串字符

报错可能是因为，网站不一样了，你提取出来的 ...
大兄弟，我知道  我就是按照被采集网站写都规则

zhujimi

规则并没有问题，你可以拿到这里测试
https://pythex.org/

另外贴下你的报错信息

lqtest

zhujimi 发表于 2019-5-15 23:33

规则并没有问题，你可以拿到这里测试
https://pythex.org/
感谢你 我试下

shuo502

爱纯粹 发表于 2019-5-15 22:52

看到这种正则解析网页的就蛋疼，好好的一堆 HTML / XML 解析库不用
同意  铺天盖地的普及人性化的bs4和pyquery库，但是还是有人坚持反人性的正则

"

有时候不好写.

暴力的写法
,我经常用.
[ol]

between(text,str1,str2)

after(text,str1)

before(text,str2)[/ol]复制代码