请教老司机 findall 匹配多次遇到换行出现问题获取不到

<tr>
<td class="xinbz" height="30"><input value="856252" name="xzid" type="checkbox"> <a href="856252" title="域名:medytL.com" target="_blank">aaa.com</a></td>
<td>6</td>
<td align="left" ><font color='#0000ff'>企业</font></td>
<td>
企业</td>
<td align="center" ><a href="/?/130000" target='_blank' title="查看此卖家域名商铺">ID:130000</a></td>
<td align="left" >2017-12-2</td>
<td>111元</td>

<td align="center"><a href="856252" target="_blank" title="进入域名： medytL.com ，购买页面"><img src="xbt.jpg" ></a></td>
</tr>


<tr>
<td class="xinbz" height="30"><input value="856252" name="xzid" type="checkbox"> <a href="856252" title="域名:medytL.com" target="_blank">bbb.com</a></td>
<td>6</td>
<td align="left" ><font color='#0000ff'>企业</font></td>
<td>
企业</td>
<td align="center" ><a href="/?/130000" target='_blank' title="查看此卖家域名商铺">ID:130000</a></td>
<td align="left" >2017-12-2</td>
<td>222元</td>

<td align="center"><a href="856252" target="_blank" title="进入域名： medytL.com ，购买页面"><img src="xbt.jpg" ></a></td>
</tr>

我这段代码只能获取到第一组数据

get_datas = re.findall(r'target="_blank">(.*)<\/a>(.|\n)*<td>(\d+)元</td>', html, re.M);
print get_datas;

[('uuupk.com', '\n', '111')]

我想获取当前页面所有匹配的，类似 [('aaa.com', '\n', '111'),('bbb.com', '\n', '222')]

findall 加了 re.M 还是获取不到多次，代码问题出现在了哪里呢？先谢谢了

6 条回复 • 2017-02-13 19:59:26 +08:00

sola97

2017-02-13 02:47:39 +08:00

你这么写是贪婪匹配，中间你得加问号 (.|\n)*?

wddoer

2017-02-13 09:33:27 +08:00

为何不用 beautifulsoup 呢

IanPeverell

2017-02-13 09:41:12 +08:00

1L 正解，因为匹配的时候会有两种选择('aaa.com', '\n', '111')，和('aaa.com', '\n', '222')，因为第一种在贪婪模式下优先级比较低，所以会直接处第二个结果，('bbb.com', '\n', '222')就被忽略掉了

ipwx

2017-02-13 12:48:23 +08:00

把 re.M 改成 re.S

re.M == re.MULTILINE 含义是 ^ 和 $ 匹配每一行的开头结尾，而不是整个字符串开头结尾。
re.S == re.DOTALL 表示 . 能够匹配 \n

1L 和 3L 并非错误，但是不是标准做法。
2L 其实给出了相对更好的答案，解析网页还是上 BeautifulSoup 更好。

ipwx

2017-02-13 12:50:20 +08:00

好吧，审题不清。 1L 和 3L 的 .*? 还是必要的。加上 re.S 你就不用 (.|\n)*? 了。

Allianzcortex

2017-02-13 19:59:26 +08:00 via iPhone

.*+ 后面加一个？表示匹配最少的结果～