这是一个创建于 4700 天前的主题，其中的信息可能已经有所发展或是发生改变。
 |
1
lhj2100 2012-01-11 21:58:06 +08:00
不明白楼主的需求 用空格替换<p></p>不就可以了么..
|
 |
2
hanbaoo OP 那正则表达式怎么写呢？
|
 |
4
qlqsh 2012-01-11 22:04:55 +08:00
记不清了，好久没碰正则了，你找篇文章看下吧，特简单。10分钟基本就解决了。
|
 |
5
gfreezy 2012-01-11 22:07:53 +08:00
不明白需求 +1
如果只是把所有的 <p></p>直接的内容匹配出来 regrex = r'<p>(.*?)</p>' paragraphs = re.findall(regrex, html_content) 应该可以，没测试。 |
|
7
gfreezy 2012-01-11 22:16:35 +08:00
|
 |
9
chuck911 2012-01-11 22:39:16 +08:00
pyquery/phpquery
类jquery语法 我抓取都用这种，懒得写正则 |
|
10
gfreezy 2012-01-11 22:42:04 +08:00
@fature beautifulsoup，xpath+lxml效率不低啊，况且一个页面，再大也没多少数据啊。
phantomjs是直接用Qt的webkit内核，跟浏览器差不多，不会效率很差啊。 |
 |
11
evlos 2012-01-11 22:48:51 +08:00
preg_match_all('/<p>(.*?)<\/p>/i',$data,$result); //PHP的，楼上已经有Python的了
|
 |
13
lyxint 2012-01-11 23:00:11 +08:00
python的要加re.DOTALL这个flag, 不然会漏结果
|
|
14
lyxint 2012-01-11 23:03:03 +08:00
用张教主的txt_wrap_by_all
def txt_wrap_by(begin, end, html): if not html: return '' start = html.find(begin) if start >= 0: start += len(begin) end = html.find(end, start) if end >= 0: return html[start:end].strip() def txt_wrap_by_all(begin, end, html): if not html: return '' result = [] from_pos = 0 while True: start = html.find(begin, from_pos) if start >= 0: start += len(begin) endpos = html.find(end, start) if endpos >= 0: result.append(html[start:endpos].strip()) from_pos = endpos+len(end) continue break return result ps = txt_wrap_by_all('<p>', '</p>', html) |
|
15
lyxint 2012-01-11 23:04:52 +08:00
<script src="https://gist.github.com/1595083.js"> </script>
|
|
16
lyxint 2012-01-11 23:05:14 +08:00
|
|
17
lyxint 2012-01-11 23:05:39 +08:00
|
 |
19
flyingkid 2012-01-11 23:08:15 +08:00
|
|
21
hanbaoo OP 谢谢ls >_<
|
 |
22
ywjno 2012-01-11 23:17:01 +08:00
正则<p>(.*?)</p>的效率不低的
|
|
24
lyxint 2012-01-12 00:03:46 +08:00
@fature 字符串下标操作比re要慢??? 不可能的.
让数据说话. http://gist.github.com/1595083.js?file=test.py http://gist.github.com/1595083.js?file=result |
|
25
lyxint 2012-01-12 00:07:31 +08:00
index.html是wget http://news.sina.com.cn/ 存到本地的
|
 |
26
kojp 2012-01-12 00:22:42 +08:00
手机党伤不起 ........
Php.的话 ,我经常加个 ius之类的多试几次 就能搞定 Python的话 ,结合 beautiful soupv用 还不错 .... |
Select Language