求助 一个python正则表达式，请大家指导

[赵蕾]

最近在做一爬虫程序，去网页上提取特定信息。获得包含所需信息的网页源代码如下：
<title>个人资料_******（佳缘ID:*******）的个人空间_世纪佳缘交友网</title>
***部分是我需要提取的用户信息，我写的正则表达式如下：
<title>个人资料_(?P<user>.+?)\s*?\((?P<ID>.+?)\)\s*?的个人空间_世纪佳缘交友网</title>
结果提取出来的信息为None，请各位大神不吝赐教，小女子不胜感激！

[Vegertar]

不匹配只是因为原始串用的是全角括号

[ImN1]

引用 1 楼 Vegertar 的回复:

不匹配只是因为原始串用的是全角括号

+1

[ImN1]

你看看手册吧 re.search的结果要用group/groups/groupdict提取的，直接赋值就是None，不管有没匹配 一两句说不明白，你认真看看手册的例子 或者改成findall，但findall的话返回没有key的，只按顺序组成元祖 另外要写成 re.search(r'<title>…… 这样的raw方式 不然那些\s \t之类都被转义了，不是原来的正则了

[angel_su]

注意编码也要一致，譬如你的脚本是gbk的，网页utf-8，那中文打死也匹配不上...

[赵蕾]

引用 10 楼 snmr_com 的回复:

你看看手册吧 re.search的结果要用group/groups/groupdict提取的，直接赋值就是None，不管有没匹配 一两句说不明白，你认真看看手册的例子 或者改成findall，但findall的话返回没有key的，只按顺序组成元祖 另外要写成 re.search(r'<title>…… 这样的raw方式 不然那些\s \t之类都被转义了，不是原来的正则了

写成raw方式果然好了，膜拜~~~~

[赵蕾]

引用 11 楼 angel_su 的回复:

注意编码也要一致，譬如你的脚本是gbk的，网页utf-8，那中文打死也匹配不上...

嗯嗯，多谢多谢

[赵蕾]

引用 10 楼 snmr_com 的回复:

你看看手册吧 re.search的结果要用group/groups/groupdict提取的，直接赋值就是None，不管有没匹配 一两句说不明白，你认真看看手册的例子 或者改成findall，但findall的话返回没有key的，只按顺序组成元祖 另外要写成 re.search(r'<title>…… 这样的raw方式 不然那些\s \t之类都被转义了，不是原来的正则了

又试了一下，发现问题出在两个地方：一是python脚本默认的编码方式是ascii，包含中文时需要用# -*- coding: utf-8 -*-来进行编码声明；二是re.search这个函数，把正则表达式中对子表达组的命名去掉，提取时直接用组号1,2来提取。这个地方还是不太明白为什么，会去好好看看手册的。多谢啦！

[ImN1]

>>> m = re.search(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Malcolm Reynolds")
>>> m.group('first_name')
'Malcolm'
>>> m.group('last_name')
'Reynolds'
>>> m.groupdict()
{'first_name': 'Malcolm', 'last_name': 'Reynolds'}

[赵蕾]

引用 15 楼 snmr_com 的回复:

>>> m = re.search(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Malcolm Reynolds")
>>> m.group('first_name')
'Malcolm'
>>> m.group('last_name')
'Reynolds'
>>> m.groupdict()
{'first_name': 'Malcolm', 'last_name': 'Reynolds'}

知道了，我写的group括号里忘了加引号

[iasky]

嗯，有中文，是大写的括号

[赵蕾]

引用 1 楼 Vegertar 的回复:

不匹配只是因为原始串用的是全角括号

嗯，有道理。但是把ID分组外面的两个( )改成了中文的（）也还是匹配不出来啊，不是这样改的吗？

[赵蕾]

引用 1 楼 Vegertar 的回复:

不匹配只是因为原始串用的是全角括号

改成了这样 还是匹配不出来 <title>个人资料_(?P<user>.+?)\s*?\（(?P<ID>.+?)\）\s*?的个人空间_世纪佳缘交友网</title>

[ImN1]

引用 5 楼 zhao708981169 的回复:

[quote=引用 1 楼 Vegertar 的回复:] 不匹配只是因为原始串用的是全角括号

改成了这样 还是匹配不出来 <title>个人资料_(?P<user>.+?)\s*?\（(?P<ID>.+?)\）\s*?的个人空间_世纪佳缘交友网</title>[/quote] 全角括号前面就不需要转义符了

[赵蕾]

引用 6 楼 snmr_com 的回复:

[quote=引用 5 楼 zhao708981169 的回复:] [quote=引用 1 楼 Vegertar 的回复:] 不匹配只是因为原始串用的是全角括号

改成了这样 还是匹配不出来 <title>个人资料_(?P<user>.+?)\s*?\（(?P<ID>.+?)\）\s*?的个人空间_世纪佳缘交友网</title>[/quote] 全角括号前面就不需要转义符了[/quote] 去掉转义符还是不对。。。

[ImN1]

那就贴你的代码出来看看，估计没有用raw

[赵蕾]

引用 8 楼 snmr_com 的回复:

那就贴你的代码出来看看，估计没有用raw

# -*- coding: cp936 -*- #---------------------------------import--------------------------------------- import urllib2; import re; #------------------------------------------------------------------------------ def main(): userMainUrl = "http://www.jiayuan.com/24787657?fxly=pmtq-ss-210&pv.mark=s_p_c|24787657|100932951"; req = urllib2.Request(userMainUrl); resp = urllib2.urlopen(req); respHtml = resp.read(); founduser = re.search('<title>个人资料_(?P<user>.+?)\s*?（(?P<ID>.+?)）\s*?的个人空间_世纪佳缘交友网</title>', respHtml); print "founduser=",founduser; if(founduser): user = founduser.group(user); ID = founduser.group(ID); print "user=",user; print ID ############################################################################### if __name__=="__main__": main();