python正則表達(dá)式匹配問題

sqsowen

用python寫了個提取網(wǎng)頁的小程序，代碼如下：

1. # encoding:UTF-8
   
2. import sys
   
3. import re
   
4. from urllib2 import Request, urlopen, URLError, HTTPError
   
5. 
   
6. def get_packet(url):
   
7.         packet = urlopen(url)
   
8.         content = packet.read()
   
9.         return content
   
10. def get_data(packet):
    
11.         xiangmu = '~'
    
12.         tmp = re.search(r'<a href=.*',packet)
    
13.         if tmp is not None:
    
14.                 xiangmu = tmp.group().strip()
    
15.         print xiangmu
    
16. if __name__=='__main__':
    
17.         url = 'http://stock.finance.qq.com/corp1/cbsheet.php?zqdm=600787&type=2014'
    
18.         packet = get_packet(url)
    
19.         if packet =='~':
    
20.                 sys.exit(0)
    
21.         get_data(packet)

復(fù)制代碼

輸出只打印了一部分含有<a href=的文本，還有些沒有打印出來，如何把全部都打印出來？

crifan

你的本意是需要提取鏈接內(nèi)容，即解析網(wǎng)頁提取所需內(nèi)容，是吧？
如果是，那么建議換成BeautifulSoup等專業(yè)解析網(wǎng)頁的庫。
原因詳見：
【整理】關(guān)于用正則表達(dá)式處理html代碼方面的建議
【問題解答】建議：處理html時復(fù)雜的需求，建議使用專門的庫比如BeautifulSoup去處理而不要用正則

然后再去看相關(guān)更完整的教程：
詳解抓取網(wǎng)站，模擬登陸，抓取動態(tài)網(wǎng)頁的原理和實現(xiàn)（Python，C#等）

amandaysu

用findall吧？
search不是就找第一個匹配的嗎？
回復(fù) 1# sqsowen


   

sqsowen

回復(fù) 3# amandaysu
好像得了，謝謝

   

sqsowen

謝謝指點，是你寫的庫？回復(fù) 2# crifan


   

crifan

回復(fù) 5# sqsowen


    哪里？什么？