Здравствуйте.
Мне необходимо парсить страницы html.
Почему, некоторые данные удаётся достать, а некоторые нет?
К примеру:
r'<div class="a">(.+)</div>' # работает
r'<strong class="b">(.+)</strong>' # не работает
Stack Overflow на русском — это сайт вопросов и ответов для программистов. Присоединяйтесь! Регистрация займёт не больше минуты.
Присоединиться к сообществуЗдравствуйте.
Мне необходимо парсить страницы html.
Почему, некоторые данные удаётся достать, а некоторые нет?
К примеру:
r'<div class="a">(.+)</div>' # работает
r'<strong class="b">(.+)</strong>' # не работает
Я бы вам посоветовал всё же использовать предназначенные для вашей задачи инструменты. lxml полностью покроет ваши потребности. В крайнем случае регулярными выражениями придётся пользоваться уже получив нужный блок из html страницы. Ну или более специализированная под грабёж сайта библиотека (которая использует то-же самый lxml) - Grab (http://habrahabr.ru/post/127584/)
Слишком расплывчатый вопрос, но попробуйте добавить «квантификатор жадности» (.+?)
Точка в регулярном выражении - это любой символ, кроме переноса строки. Если хотите, чтобы все символы захватывало, компилируйте регулярки с помощью флага re.DOTALL.