我要提取的有两个div 如何提取呢，去掉贪婪模式？

Question

from urllib import request
import requests
from io import BytesIO
import gzip
import re

url = ‘https://www.douyu.com/g_DOTA2’
#这里如果用group的话就提取不到代码块中间的dev
root_pattern = '<div class=“DyListCover-info”>[\s\S]*?</div>'
r = request.urlopen(url)
htmls = r.read()
buff = BytesIO(htmls)
f = gzip.GzipFile(fileobj=buff)
htmls = f.read().decode(‘utf-8’)
root_html = re.findall(root_pattern, htmls)
for html in root_html:
print(html)

Answer 1

7七月 2020-09-09 18:45:44

你要提取的具体是哪部分内容可否标记出来

• 提问者 毛毛和吉吉 #1

  七月老师您好：我要提取的内容就是根据您课件里讲的一样，当时您选择得熊猫直播，现在我是选择斗鱼，想提取得内容也是主播名字和热度，代码在我问题的截图中，最外层div中的内容；你课程中的主播名称是在一个span中，而我本次的是在一个div中；所以我如此提取：root_pattern = '<div class=“DyListCover-info”>[\s\S]*?</div>' 修改为
  
  root_pattern = '<div class=“DyListCover-info”>([\s\S]*?)</h2>'  
  
  目前可以匹配出我想要的内容，不知道是否符合规则逻辑

• 7七月 回复 提问者 毛毛和吉吉 #2

  可以 其实这个方案是很多的 并不是说一定要匹配哪个结点，只要能获取到想要的数据即可

• 提问者 毛毛和吉吉 回复 7七月 #3

  谢谢老师

Answer 2

提问者 毛毛和吉吉 2020-09-09 16:39:14

root_pattern = '<div class=“DyListCover-info”>[\s\S]*?</div>' 修改为

root_pattern = '<div class=“DyListCover-info”>([\s\S]*?)</h2>'  

目前可以匹配出我想要的内容，不知道是否符合规则逻辑