Question

爬虫程序利用python中的正则怎么实现抓取静态网页源码中的id号和id内容

<td class="Light">ID</td> <td> ID-2013-168 </td>

Answer 1

我只看见了ID号，没有看见ID内容啊，在哪里？
提取ID号的话，正则是ID-\d+-\d+

追问

id号就是2013-168 我想把ID 和ID-2013-168提取出来 但是我写的正则总是不对。求指点

追答

你提取ID干嘛，这不是固定的已知字符串吗？至于id号，我给你的正则你试了吗，符合你要求吗

追问

那个提取出来了 我只想提取出这个类中的ID号如（ID ID-2014-00146 ）网页其他地方还有类似于这种的ID号

追答

什么意思？你只想提取id号？你不是说已经提取出来了吗？你是说现在只能提取一个，但是你想提取全部？

追问

不想要全部 我只想提取这个类中的ID ID-2013-168
但是网页中还有相关的链接包含类似于这种ID号的

追答

ID\s*\s*(ID-\d+-\d+)
id号在第一个分组中

哦，你不是要提取id，而是要紧跟在id后面的id号，前面没有id的id号不提取，是吧？

Answer 2

包含大小写字母，下划线，阿拉伯数字，点号，中划线
表达式：
[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(?:\.[a-zA-Z0-9_-]+)
验证数字：^[0-9]*$
验证n位的数字：^\d{n}$
验证至少n位数字：^\d{n,}$
验证m-n位的数字：^\d{m,n}$
验证零和非零开头的数字：^(0|[1-9][0-9]*)$
验证有两位小数的正实数：^[0-9]+(.[0-9]{2})?$
验证有1-3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
验证非零的正整数：^\+?[1-9][0-9]*$
验证非零的负整数：^\-[1-9][0-9]*$
验证非负整数（正整数 + 0） ^\d+$
验证非正整数（负整数 + 0） ^((-\d+)|(0+))$
整数：^-?\d+$
非负浮点数（正浮点数 + 0）：^\d+(\.\d+)?$
正浮点数 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
非正浮点数（负浮点数 + 0） ^((-\d+(\.\d+)?)|(0+(\.0+)?))$
负浮点数 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
浮点数 ^(-?\d+)(\.\d+)?$
英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
长度为3-20的所有字符：^.{3,20}$
由26个英文字母组成的字符串：^[A-Za-z]+$
由26个大写英文字母组成的字符串：^[A-Z]+$
由26个小写英文字母组成的字符串：^[a-z]+$
由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$
中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
可以输入含有^%&',;=?$\”等字符：[^%&',;=?$\x22]+
禁止输入含有\~的字符：[^~\x22]+

Answer 3

写一个正则表达式就可以匹配到这个id号啦，然后提取正则表达式的内容就可以了

Answer 4

建议使用BeautifulSoup