Python 2.7 解析正则表达式

Question

所以我正在抓取一个网站并尝试输出这些跨度标签之间的任何内容（它会根据我抓取的 URL 而改变）

<span class="inviter-name">tickzapman12345</span>


import urllib2
import re

url = "http://beta.cursevoice.com/join/jt95"
req = urllib2.Request(url)
req.add_header('User-Agent', 'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.5) Gecko/20091102 Firefox') 


response = urllib2.urlopen(req)

matchObj = re.search(r'<span class="inviter-name">(.*?)</span>',str(response))

f = open('output.txt','w')
f.write(str(matchObj))
f.close()

但是，当我检查输出文件时，它只显示“无”，我的正则表达式有问题吗？

Answer 1

您可以使用 BeautifulSoup 解析器而不是正则表达式。

>>> from bs4 import BeautifulSoup
>>> s = '<span class="inviter-name">tickzapman12345</span>'
>>> soup = BeautifulSoup(s)
>>> soup.select('span.inviter-name')[0].text
'tickzapman12345'

或

matchObj = re.search(r'<span class="inviter-name">(.*?)</span>',response.read())
f = open('output.txt','w')
f.write(matchObj.group(1))
f.close()