37,720
社区成员
发帖
与我相关
我的任务
分享请教大神 我的 正则不匹配 问题出在哪
准备爬内涵段子，筛选出点赞数大于5000的段子打印出来我的正则匹配是pattern = re.compile('<h1.*?class="title">.*?<p.*?>(.*?)</p>.*?</h1>(.*?)<li.*?class="digg-wrapper">.*<span.*?class="digg">(.*?)</span>.*?</li>',re.S)第一个（.*?）表示段子，第二个（.*?）表示点赞数，但为程序运行后反馈为响应。还有这样后经常会CPU占用率百分之百，让我不得不重新启动，求大神赏脸解答
...全文
请发表友善的回复…
发表回复
panghuhu250 2016-03-10
- 打赏
- 举报
估计是像这样: http://ju.outofmemory.cn/entry/178152
用的.*?太多了. 如果你需要这么大的灵活性的话(这儿也许有空格, 哪儿可以有或没有属性...), 建议使用html解析的程序包(lxml, beautifulsoup等).
反之, 只有文件格式固定时, re才更方便.
pat = '<p>(.*?)</p>.*?<span class="digg">([0-9]*)</span>'
re.findall(pat, html)
