本文以网站https://mm.taobao.com/self/model_album.htm?user_id=687471686 点击打开链接为例子,介绍如何匹配总页数,如下图所示。
webdriver.Chrome().page_source的类型为Unicode,所以匹配字符串也要是unicode,测试代码如下:
from selenium import webdriver import time import re if __name__ == '__main__': browser = webdriver.Chrome() browser.get('https://mm.taobao.com/self/model_album.htm?user_id=687471686') time.sleep(2) r = re.findall(ur'共(\d+)页 到第', browser.page_source) print r
输出:
[u'5']
如果re.findall(ur'共(\d+)页 到第', browser.page_source)修改为re.findall(r'共(\d+)页 到第', browser.page_source)将无法匹配成功。
本文通过实例讲解了在使用Selenium的Chrome webdriver获取页面源码时,由于page_source为Unicode类型,因此匹配中文页数的正则表达式需使用ur''。正确代码为re.findall(ur'共(d+)页 到第', browser.page_source),若改为r''则匹配失败。"
117537743,7242376,金融数智化升级之道:华为的云原生、行业场景与生态构建,"['大数据', '人工智能', '物联网', '智慧金融']

44

被折叠的 条评论
为什么被折叠?



