Python网页抓取

在python中使用此正则表达式时：

pathstring='（.*）

pathFinderTitle=re.compile（路径字符串）

我的输出是：

Govt has nothing to do with former CAG official RP Singh:
Sibal</span></a></h2></div><div class="esc-lead-article-source-wrapper">
<table class="al-attribution single-line-height" cellspacing="0" cellpadding="0">
<tbody><tr><td class="al-attribution-cell source-cell">
<span class='al-attribution-source'>Times of India</span></td>
<td class="al-attribution-cell timestamp-cell">
<span class='dash-separator'>&nbsp;- </span>
<span class='al-attribution-timestamp'>&lrm;46 minutes ago&lrm;

政府与前CAG官员RP Singh无关：
西巴尔
印度时报
- 
&lrm；46分钟前&lrm；

文本查找应该首先停止“”

请指出此处的错误。

*

是任何字符的贪婪匹配；它将消耗尽可能多的字符。相反，请使用非贪婪版本

*？

，如中所示

pathstring = '<span class="titletext">(.*?)</span>'

pathstring='（*？）

*

是任何字符的贪婪匹配；它将消耗尽可能多的字符。相反，请使用非贪婪版本

*？

，如中所示

pathstring = '<span class="titletext">(.*?)</span>'

pathstring='（*？）

我建议使用正则表达式，而不是对正则表达式发疯。。。它基于lxml，使HTML解析与使用jQuery一样简单

像这样的东西就是你所需要的一切：

doc = PyQuery(html)
doc('span.titletext').text()

您也可以使用，但结果总是一样的：不要使用正则表达式来解析HTML，有一些工具可以让您的生活更轻松。

我建议使用正则表达式，而不是疯狂使用正则表达式。。。它基于lxml，使HTML解析与使用jQuery一样简单

像这样的东西就是你所需要的一切：

doc = PyQuery(html)
doc('span.titletext').text()

---

您也可以使用，但结果总是一样的：不要使用正则表达式解析HTML，有一些工具可以让您的生活更轻松。

*

将匹配

，因此它将一直持续到最后一个

最好的答案是：不要用正则表达式解析html。使用库（或类似的东西）

从lxml导入html
html_字符串=“”
tree=html.fromstring（html\u字符串）
titles=tree.xpath（//span[@class='titletext']））
标题中的标题：
打印title.text

---

使用适当的xml/html解析器将为您节省大量的时间和麻烦。如果您使用自己的解析器，您将不得不处理格式错误的标记、注释和无数其他内容。不要重新发明轮子。

*

将匹配

，因此它将一直持续到最后一个轮子

最好的答案是：不要用正则表达式解析html。使用库（或类似的东西）

从lxml导入html
html_字符串=“”
tree=html.fromstring（html\u字符串）
titles=tree.xpath（//span[@class='titletext']））
标题中的标题：
打印title.text

---

使用适当的xml/html解析器将为您节省大量的时间和麻烦。如果您使用自己的解析器，您将不得不处理格式错误的标记、注释和无数其他内容。不要重新发明轮子。

你也可以很容易地使用它，这对做这类事情很有好处

#using BeautifulSoup4, install by "pip install BeautifulSoup4"
from bs4 import BeautifulSoup
soup = BeautifulSoup(html)
result = soup.find('span', 'titletext')

---

然后，

result

将使用class

titletext

保存您正在查找的

。

您也可以轻松地使用它，这对于做此类事情非常有用

#using BeautifulSoup4, install by "pip install BeautifulSoup4"
from bs4 import BeautifulSoup
soup = BeautifulSoup(html)
result = soup.find('span', 'titletext')

---

然后，

result

会将

与class

titletext

一起保存在您正在查找的位置。

+1用于回答问题，而不是告诉他不要使用正则表达式。此问题的标题为“Python网页抓取”-因此有一个隐含的问题“我如何进行网页抓取？”。正则表达式不是答案+1为了回答问题而不是告诉他不要使用常规表达式，他的问题名为“Python web scraping”-因此有一个隐含的问题“我如何做web scraping？”。正则表达式不是答案。