python 正则获取网页内容

发布网友

我来回答

共2个回答

热心网友

import re
#id=45717
common_log_format_regex = re.compile('id=\d+')
files = open("aaa.txt",'r',encoding = 'utf-8')
lines = files.readlines()
txt = ''.join(lines)
files.close()
data = common_log_format_regex.findall(txt)
writer = open("id.txt",'w',encoding = 'utf-8')
writer.write('\n'.join(data))
writer.close()

热心网友

#!/usr/bin/env python
#coding=utf-8
import re
string = '''
<ul id="iyy_speak">
    
              <li><a href="player.php?type=2&id=46819" target="_blank" >中文内容</a><span class="yy_man"><a href="player.php?type=2&id=46819" target="_blank">试听</a></span></li>
    
  <li><a href="player.php?type=2&id=46818" target="_blank" >中文内容2</a><span class="yy_man"><a href="player.php?type=2&id=46818" target="_blank">试听</a></span></li>

<li><a href="player.php?type=2&id=45717" target="_blank" >中文内容3</a><span class="yy_man"><a href="player.php?type=2&id=45717" target="_blank">试听</a></span></li>
    
  </ul>
'''
match = re.findall("<li><a href=\"player.php\?type=2\&id=(\d+)\".*?>(.*?)\<",string)
for x,y in match:
    print x,y.decode('utf-8')

这样？   感觉怪怪的。。。随意了。。。

追答网页就用urllib2抓一下，然后你把网页内容就存到string里去呗，然后用这个正则处理一下，正则写的应该没啥问题。。。