首先,我对这种可怕的questiontitle抱歉,但我不能想出一个更好的。正则表达式,这个RegEx有什么问题?
所以我试图用Python来构建一个小工具,以提高自己的技能,它刮掉数据从Imdb.com和输出标题和来自HTML过滤其他的东西。
我正在使用此正则表达式进行我的搜索:<h3 class="findSectionHeader"><a name="tt"><\/a>Titles<\/h3>[\s]{0,3}(.*?)<\/td> <\/tr><\/table>
这应该会导致a>Titles<\/h3>
之后和<\/tr><\/table>
之前的所有内容,但我做错了什么。我已经加入了[\ S] {0,3},因为我认为这可能是因为\ n或别的东西,但它并没有解决它。
这是源块:
<div class="findSection">
<h3 class="findSectionHeader"><a name="tt"></a>Titles</h3>
<table class="findList">
<tr class="findResult odd"> <td class="primary"> <a href="/title/tt1474684/?ref_=fn_al_tt_1" >
<img src="https://images-na.ssl-images-amazon.com/images/M/_AL_.jpg" />
</a> </td> <td class="result_text">
<a href="/title/tt1474684<a href="/title/tt3155298/?ref_=fn_al_tt_3" >
<img src="http://ia.media-imdb.com/imagestd class="primary_photo">
<a href="/tiopicture/32x44/film-3119741174._CB522736599_.png" /></a>
</td> <td class="result_text">
<a href="/title/tt1501661/?ref_=fn_al_tt_10" >Luther</a> (1968) (TV Movie) </td> </tr></table>
不要试图用正则表达式来处理HTML,改用DOM解析器。 [Beautifulsoup](https://www.crummy.com/software/BeautifulSoup/bs4/doc/)应该是一个蟒良好的起点。 –
问题是你的'。*?'不符合换行符。如果启用单行模式's',它会按预期工作。 –
@rawing啊,不用,它也使用作品的时候'([\ S \ S] *?)'任何字符,空格藏汉匹配非空白字符!谢谢 –