2回答

丶灰色天空

2018-09-10

已采纳

主要是正则表达式出的问题

    root_pattern = '<div style="width: 100%;" class="ll">([\s\S]*?)</div>'

    name_pattern = '<a [\s\S]*?>([\s\S]*?)</a>'

    number_pattern = '<div class="pl">([\s\S]*)'

1. width:与100%之间有个空格

2. class="ll"、class="pl" (是字母L小写不是数字1)

3. a标签中还有href属性所以'<a>([\s\S]*?)</a>'是无法匹配的

4. 通过'<div style="width: 100%;" class="ll">([\s\S]*?)</div>' 获取的字符串最后是没有</div>的所以直接用'<div class="pl">([\s\S]*)'匹配
   

0

1

cherrylove123

非常感谢！

2018-09-26

共1条回复

丶灰色天空

2018-09-10

#!/usr/bin/python

# -*- coding: utf-8 -*-

from urllib import request

import re

# 获取豆瓣网音乐人的专辑名称和喜欢的人数

class Spider():

    url = 'https://music.douban.com/artists/genre_page/6/'

    root_pattern = '<div style="width: 100%;" class="ll">([\s\S]*?)</div>'

    name_pattern = '<a [\s\S]*?>([\s\S]*?)</a>'

    number_pattern = '<div class="pl">([\s\S]*)'

    #获取源文档

    def __content(self):

         r = request.urlopen(Spider.url)

         htmls = r.read()

         htmls = str(htmls, encoding='utf-8')

         return htmls

#对源文档进行提炼,提取专辑名和喜欢的人数

    def __analisys(self,htmls):

        root_html = re.findall(Spider.root_pattern, htmls)

        anchors = []

        for html in root_html:

            name = re.findall(Spider.name_pattern, html)

            number = re.findall(Spider.number_pattern, html)

            anchor = {'name': name[0], 'number': number[0]}

            anchors.append(anchor)

        print(anchors)

    def go(self):

        htmls = self.__content()

        self.__analisys(htmls)

#调用

spider = Spider()

spider.go()

该成这样就行了

0

0