python 正则表达式匹配网页内容

2014-05-05 01:31:00 265 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

Python爬虫之使用正则表达式匹配网页内容 Python爬虫，除了使用大家广为使用的scrapy架构外，还有很多包能够实现一些简单的爬虫，如BeautifulSoup、Urllib，在使用这些包时，有的网络因为比较复杂，比较难以找到自己想要的代码，在这个时候，如果能够使用正则表达式，将能很方便地爬取到自己想要的数据。何为正则表达式正则表达式是一种描述字符串排列的一种语法规则，通过该规则可以在一个大字符串中匹配出满足规则的子字符串。简单来... 阅读详情

以下代码，从一个网页上匹配信息，为什么匹配不到联系人？其他的可以获取到

# -*- coding: cp936 -*-

import re

import time

import urllib2





def getInfoFromPage(pattern,page):

    p = re.compile(pattern,re.M)

    result = p.findall(page)

    print result

    return result





def getCompanyName():

    url = 'http://china.machine365.com/Product/SDetails/9535604.html'

    page = urllib2.urlopen(url)

    data = page.read()

    p1 = """(?<=<font style='color:White;font-size:14px'>).*(?=</font>)"""

    companyName = getInfoFromPage(p1,data)

    

    p2 = """(?<=<font>联系人: </font>).*(?=</div>



)"""

    person = getInfoFromPage(p2,data)



    

    p3 = """(?<=<li><span>电 话：</span>).*(?=</li>)"""

    phone = getInfoFromPage(p3,data)



    line = companyName[0] + ';' + person[0] + ';' + phone[0]

    fd = open('info.txt','a')

    fd.write(line)

    fd.close()



    

getCompanyName()