【原】盘点一个Python网络爬虫+正则表达式处理案例

今

日

鸡

汤

长江一帆远，落日五湖春。

大家好，我是Python进阶者。

一、前言

前几天在Python白银交流群【鑫】问了一个Python网络爬虫的问题，提问截图如下：

下面是他的代码：

import requests
import re
url = "https://movie.douban.com/top250"
headers = {
     "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/105.0.0.0 Safari/537.36"
}
resp = requests.get(url, headers=headers)
resp.encoding = "utf-8"
pageSource = resp.text
print(pageSource)                 #re.S可以让正则的。匹配换行符
obj = re.compile(r'<div class="item">.*?<span class="title">(?P<name>.*?)</sp'
                 r'an>.*? <p class="">.*?导演:(?P<dao>.*?)&nbsp;<br>'
                 r'(?P<year>.*?)&nbsp;', re.S)
result = obj.finditer(pageSource)
for item in result:
     print(item.group("name"))
     print(item.group("dao"))
     print(item.group("year"))

二、实现过程

这里【瑜亮老师】指出问题，如下所示：

事实上还是那个正则表达式写的有问题。

跟着视频来敲，有时候视频太老了，或者对应的网页结构改版了，导致原有的代码并不能够适配，导致出错。

修改之后可以得到正确的结果了。

三、总结

大家好，我是Python进阶者。这篇文章主要盘点了一个Python网络爬虫+正则表达式处理的问题，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。

最后感谢粉丝【鑫】提问，感谢【瑜亮老师】给出的思路和代码解析，感谢【dcpeng】、【ᯤ⁶ᴳ】等人参与学习交流。

------------------- End -------------------