又來取經(jīng)了, 正則爬蟲

jackson_cu

大家好, 又來叨嘮大家了, 最近想幫同事做一個小爬蟲, 但正則不過關(guān), 試了好久都沒有成功.

網(wǎng)上上的內(nèi)容如下, 我需要將每天的銷售數(shù)據(jù)從網(wǎng)站上取下來, 保存到excel 表中, 請問用正則如何取到這些數(shù)據(jù)呢?
網(wǎng)頁上"<td class="th_l3">     <td class="td_content_right">" 這種到都是!

1. <div id="dateList">                               
   
2. <table class="tablestyle">
   
3.                     <tr>
   
4.                         <td class="th_l3">日期</td>
   
5.                         <td class="td_content_right">2015-03-18</td>                        
   
6.                     </tr>
   
7.                     <tr>
   
8.                         <td class="th_l3">銷售數(shù)量</td>
   
9.                         <td class="td_content_right">5000</td>
   
10.                        
    
11.                     </tr>                  
    
12.                     <tr>
    
13.                         <td class="th_l3">價格</td>
    
14.                         <td class="td_content_right">25</td>
    
15.                         
    
16.                     </tr>
    
17.                                         </table>
    
18. </div>               

復(fù)制代碼

xmchenb

import re


file = open('cc.txt','r')

for line in file:
    ls = re.findall(r'>(.*)<', line)
    print ls

file.close()

jackson_cu

回復(fù) 2# xmchenb

這個正則不行, 因為網(wǎng)頁上有上百上千個這樣的><

我只想定位我最感興趣的這部份,  對不起, 可能是我沒有交代清楚.


   

jackson_cu

回復(fù) 2# xmchenb

搞定了, 原來(.*)  這個可以定位我最感興趣的部份, 謝謝, 還是自己的基本功不扎實, 以前只是看書, 沒有多少實操, 看似看懂了, 原來不是那么回事.

書上是這樣說的:

(pattern)        匹配pattern并獲取這一匹配。所獲取的匹配可以從產(chǎn)生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字符，請使用“\("或"\)"。