【Python 第55课】 正则表达式（1）

crossin先生

l0ve1o24 发表于 2017-1-13 14:36
在前面那个例子里，“\bhi\b”匹配不到任何结果。但“\bhi”的话就可以匹配到1个“hi”，出自“his”。用这 ...

没明白你的意思，你想匹配哪一个？
\bhi\b 是匹配单词hi，不包括其他词中间的，这个没错。\bhi 就是匹配单词开头的 hi

l0ve1o24

crossin先生 发表于 2017-1-14 14:46
没明白你的意思，你想匹配哪一个？
\bhi\b 是匹配单词hi，不包括其他词中间的，这个没错。\bhi 就是匹配 ...

没有，你前面不是提了个问题吗？我看没同学解答，看了后面的课，差不多知道了

tanlongfei

有个问题，python3里，直接用r‘hi’，出来的就是\bhi\b的效果。。。就是只输出hi，不输出包括hi的单词。。。这个应该怎么输出包括hi的单词

1. import re
   
2. text = 'Hi,I am Shirly Hilton.I am his wife.'
   
3. m = re.findall(r'hi',text)
   
4. print(m)
   

复制代码

crossin先生

tanlongfei 发表于 2017-8-11 15:32
有个问题，python3里，直接用r‘hi’，出来的就是\bhi\b的效果。。。就是只输出hi，不输出包括hi的单词。。 ...

和py3无关，hi就是匹配hi呀，包含的单词，那你前后得加上通配符（往后面两课继续看下去）

tanlongfei

嗯嗯，谢谢crossin先生，这两天没上，之前那个问题自己看了后面的明白了。
又有了新的问题，我现在在做练习题，抓取豆瓣推荐电影的练习题，然后代码已经写完，这个网址一共十页。非常奇怪的是，自动循环运行前八页的时候，都能顺利进行，运行第九页的时候，告诉我list长度出了问题，我然后自己看了下出问题的地方，长度正确，不知道问题出在了哪，麻烦crossin先生或者哪位大神给看下。

1. #https://movie.douban.com/top250?start=0&filter=
   
2. #上面这个网址以start跳动25翻页
   
3. import urllib.request
   
4. import re
   
5. import time
   
6. 
   
7. #这是抓取的函数
   
8. def zhua(mum):
   
9.     #抓取电影，之后把这部分写成函数形式
   
10.     url = 'https://movie.douban.com/top250?start=%d&filter='%num
    
11.     web = urllib.request.urlopen(url).read().decode('UTF-8')
    
12.     content = str(web)
    
13.     #电影名
    
14.     titles = re.findall(r'<span class="title">\w+',content)
    
15.     titles = [i[20:] for i in titles]  #此句为去除匹配电影名时的特定词
    
16.     #导演
    
17.     daoyan = re.findall(r'导演:\s[^&]+',content)
    
18.     #主演
    
19.     actors = re.findall(r'主[^<]+',content)
    
20.     #上映日期
    
21.     playtime = re.findall(r'\s{29}[0-9]+',content)
    
22.     playtime = [i[29:] for i in playtime]
    
23.     #产地和剧情
    
24.     candj = re.findall(r'&nbsp;/&nbsp;.*&nbsp;/&nbsp;.*',content)
    
25.     chandi = []
    
26.     juqing = []
    
27.     for i in range(0,25):
    
28.         chandi.append(candj[i].split('&nbsp;/&nbsp;')[1])
    
29.         juqing.append(candj[i].split('&nbsp;/&nbsp;')[1])
    
30.     #一句话影评
    
31.     yp = re.findall(r'<span class="inq">[^<]+',content)
    
32.     yp = [i[18:] for i in yp]
    
33.     outdata = []
    
34.     for i in range(0,25):
    
35.         outdata.append('电影名 '+titles[i]+'\n'\
    
36.                        +daoyan[i]+'\n'+actors[i]+'\n'\
    
37.                        +'上映日期 '+playtime[i]+'\n'\
    
38.                        +'产地/语言 '+chandi[i]+'\n'\
    
39.                        +juqing[i]+'\n'\
    
40.                        +'影评 '+yp[i]+'\n\n')
    
41.     out = open('out.txt','a',encoding='utf-8')
    
42.     for i in outdata:
    
43.         out.write(i)
    
44.     out.close()
    
45. 
    
46. 
    
47. #接下来是设计循环运行十次
    
48. for i in range(0,10):
    
49.     print(i)
    
50.     num = i*25
    
51.     zhua(num)
    

复制代码

出现的问题是：

1. Traceback (most recent call last):
   
2.   File "C:\Users\T\Desktop\913抓取豆瓣电影.py", line 51, in <module>
   
3.     zhua(num)
   
4.   File "C:\Users\T\Desktop\913抓取豆瓣电影.py", line 40, in zhua
   
5.     +'影评 '+yp[i]+'\n\n')
   
6. IndexError: list index out of range
   
7. >>>

复制代码

谢谢

crossin先生

tanlongfei 发表于 2017-8-17 21:10
嗯嗯，谢谢crossin先生，这两天没上，之前那个问题自己看了后面的明白了。
又有了新的问题，我现在在做练习 ...

这个从代码看不出来。你得自己调试，把 yp 输出出来看看是什么
有些电影的数据是没有的

tanlongfei

crossin先生 发表于 2017-8-17 23:06
这个从代码看不出来。你得自己调试，把 yp 输出出来看看是什么
有些电影的数据是没有的 ...

嗯，先谢谢你那么晚还回复。。。
我那个是调试以后的，yp是当页25部电影的影评。正常来说，yp应该是一个长度为25的list，事实上，我在单独运行那一页的数据后，也是长度为25的list。然后就不知道为什么老是出错。
还有个需要注意的是，我觉得问题不在yp这，因为如果我把yp从函数的循环里删除了，理论上也是可以正常运行的，就是每个电影没有影评罢了，然后在那页还是会出错，出错原因还是一样的，只是出错的地方成了juqing这里，也是反馈说out of range。。。
然后把juqing也去了，反馈上一个chandi同样的问题。。。。
不知道你碰到过这样的情况吗，或者你知道该怎么解决吗

tanlongfei

crossin先生 发表于 2017-8-17 23:06
这个从代码看不出来。你得自己调试，把 yp 输出出来看看是什么
有些电影的数据是没有的 ...

crossin先生，我找到问题了，是有个list不是25长度，但是不是yp。原来分行写的语句不管哪行出了问题都显示最后一行出问题。。。。
谢谢你啦，打扰了

blueheart

请问Crossin先生为什么print  "\bhi"会打印出乱码出来的?

crossin先生

blueheart 发表于 2017-8-25 09:21
请问Crossin先生为什么print  "\bhi"会打印出乱码出来的?

\b 是有特殊含义的字符，被转义了，所以要加 r