又来提问了。

[commoccoom]

https://gist.github.com/chnt7305/460f73c9ff71f2199d40

https://gist.github.com/chnt7305/694b2cf11dea2c7a444e

[commoccoom]

为什么 list1 = re.findall(r'<a href="(.*?)" name="readlink" id="[\s\S]+" class="subject_t f12" >(.*?)</a>',html)

html 是整个页面，为什么只抓取到了5个

[commoccoom]

https://gist.github.com/chnt7305/694b2cf11dea2c7a444e

[Septembers]

你应该用 requests和BeautifulSoup 来处理这个问题
而不是 urllib和正则 来处理这个问题

[josephok]

用xpath吧

[mhycy]

<a href="(.*?)" name="readlink" id="(.*?)" class="subject_t f12" >(.*?)<\/a>
改成这样试试。。

[imn1]

<a href="(.*?)" name="readlink" id="[^"]+" class="subject_t f12" >(.*?)</a>

[imn1]

养成习惯，引号内都用 [^"]+ 或 [^']+
或者这样说：左右边界清晰的内容，泛匹配的话，使用排除边界来匹配

能用正则尽量雍正则，bs / xpath都需要一个额外的dom解析过程，大量页面的话资源消耗很严重

[commoccoom]

@imn1

非常感谢！

[Septembers]

@imn1 大量文本提取信息格式稳定的话 正则是要好得多 但是前提是熟悉正则（我以前写正则一不注意没写好 就进贪婪匹配 然后就over了 唉

如果在不熟悉正则的情况下处理HTML
还是老老实实的DOM解析比较好

[garfeildma]

简单的一次性的工作可以用正则来完成，正规做法还是老老实实解析html，原因看这里
http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags

[loading]

下次标题写明白点…求您了！

[Axurez]

正则开销会比较大吧，复杂一点的基本不可能实际运行的。。

[commoccoom]

@loading

不好意思。。。。。我不知道用什么标题合适

[fltw]

不知道楼主在说什么啊，我这连连接都打不开。。。
正则表达式太。。。。。怎么说，必须要熟练，否则很痛苦的，需要经常修改