python - 网页抓取 : Regex is not returning anything? 我做错了什么？

Question

我正在尝试编写一个 python 脚本，它使用“urllib”和“re”库从 html 页面中提取天气预报信息，但我似乎无法返回任何值，有人可以帮助我吗？

import urllib
import re

url = ('http://www.metoffice.gov.uk/public/weather/forecast/gcptz5sys')

htmlfile = urllib.urlopen(url)

htmltext = htmlfile.read()

regex =('<span title="Maximum daytime temperature" data-c="10" data-f="50">(.+?)<sup>°C</sup></span>')

pattern = re.compile(regex)

temp = re.findall(pattern,htmltext)

print (temp)

顺便说一句，我正在使用 Python 2.7...

Answer 1

试试这个:

#!/usr/bin/env python    

import urllib                                                                                                  
import re                                                                                                      


def main():                                                                                                    
    url = ('http://www.metoffice.gov.uk/public/weather/forecast/gcptz5sys')     

    htmlfile = urllib.urlopen(url)                                                                             

    htmltext = htmlfile.read()                                                                                 

    htmltext = str(htmltext).replace('\n', '')                                                                 
    htmltext = str(htmltext).replace('\t', '')                                                                 
    htmltext = str(htmltext).replace(' ', '') 

    pattern = re.compile('<spantitle="Maximumdaytimetemperature"data-c="7"data-f="45">(?P<temperature>.+?)<sup>&deg;C</sup></span>') 

    for match in pattern.finditer(htmltext):                                                                   
        print match.group('temperature')                                                                       

if __name__ == "__main__":                                                                                     
    main() 

所以我在这里做了什么:

1. 下载内容
2. 删除所有换行符
3. 删除所有标签
4. 删除所有空格字符
5. 我创建并编译正则表达式模式，其中将使用组“温度”来检索温度(注意:正则表达式剂量注释包含空格或换行符)
6. 使用 finditer 函数迭代匹配的元素并将其打印到控制台。

P.S.:我删除了所有空白字符，因为它可以在后端动态更改，并且您的正则表达式每次都应该更改。通过删除所有空格和换行符，您可以避免此问题。