请问各位大佬，微信公众号的文章最近是爬不了了吗？

2020-02-07 19:02:50 +08:00
 kumasama

之前的是 div class="rich_media_content " id="js_content">(.*?)</div>/s

现在 html 代码加了些东西 div class="rich_media_content " id="js_content" style="visibility: visible;">,在正则上也加了，为啥爬到空数据---

2769 次点击
所在节点    程序员
5 条回复
aihimmel
2020-02-07 19:19:23 +08:00
https://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags
airyland
2020-02-07 22:34:32 +08:00
正则应该有 bug。我用的是 DOM(cheerio) 的方式解析 https://github.com/airyland/we-extract
wangyzj
2020-02-08 00:19:07 +08:00
敢问你是从 sogou 爬的吗？
Pyjamas
2020-02-08 00:46:09 +08:00
@aihimmel 这个有意思
EPr2hh6LADQWqRVH
2020-02-08 00:55:17 +08:00
连 HTML 都不 parse 就直接正则这是谁教会的

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/642828

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX