請教PYTHON正則表達式+爬蟲問題

老鐵，能發個代碼比我嗎？

如果佢可以直接用英文 present 埋我會 more impressed

而唔係淨係啲助語詞同連接詞用廣東話

這個問題發生的原因主要是因為在Python字符串和正則表達式中處理轉義字符的差異，以及如何在HTML或JavaScript中表示字符串。

當你在test字符串中使用'sec_uid":"(.*?)","nickname'這個正則表達式時，它可以正常工作，因為test字符串是直接用Python的字符串語法表示的，沒有額外的轉義。

然而，當你從網頁的HTML或JavaScript代碼中抓取內容時，字符串常常會以不同的形式表示。特別是在JavaScript代碼中，字符串可能被轉義一次或多次，這取決於該字符串是如何被嵌入到代碼中的。在你的例子中，原始的HTML或JavaScript代碼中sec_uid和其他字段可能被表示為sec_uid\\":\\"...\\",\\"nickname，這意味著在這些字段和值之間的引號被轉義了（即前面有額外的\字符）。

因此，當你嘗試在從網頁中獲取的文本（html_text）上應用正則表達式時，你需要使用r'sec_uid\\":\\"(.*?)\\",\\"nickname'這樣的模式來匹配轉義後的引號。這是因為在Python的原始字符串（由前綴r表示）中，反斜線\不會被作為特殊字符處理，這樣可以讓你更容易地匹配包含反斜線的文本模式。

總結來說，之所以需要不同的正則表達式模式來匹配test字符串和html_text，是因為它們在轉義字符方面的表示不同。在處理從網頁抓取的文本時，了解文本中如何表示轉義字符是非常重要的，這將幫助你更準確地構造正則表達式。


幫你問ChatGPT

2024仲自己寫code

問ai前都要自己識先

我早排叫chatgpt 寫幾個python 做web scraping都無睇佢d code。
直接睇result，result錯再叫佢執

冇課金CHATGPT4

你係點樣問法?
我用緊COZE個GPT-4 TURBO 128K
我比網址佢係睇到
叫佢爬蟲佢唔識
只要係HTML入面 script 標籤 有JSON佢都唔識拎
無論REGEX
定係
XPATH比埋佢
都係唔識

asked gpt
https://poe.com/s/2HUljl75G8NwZOJ6FOfT