& & & & &前几天就想写一个python脚本实现从百度贴吧任意帖子页面获取该页面上的用户id。一开始我打算用正则表达式查找&a data-field标签，但多次尝试后被搞晕了！！html代码里面的转义实在太麻烦了！（好吧，其实只是我没经验））后来尝试用BeautifulSoup解析html，顺利得到用户id了，但是从得到的结果发现，有些用户id居然没有得出来，分析半天才发现原来是百度贴吧把html的一半给以&!--&标签注释掉了，估计是为了优化页面的加载。但正是这个原因使得我无法使用BeautifulSoup解析html获取目标结果了。于是我又想找找有没有别的第三方模块可以处理html注释部分，尝试了lxml.html模块，同样无果。最终只有回到最初的方法----正则表达式，搞定！
& & & & [补充]发表后我才发现第13行代码显示有问题，我原代码是i=i.replace(u'&',u'&')....（请无视空格）结果一发表出来后又被HTML转义为一个双引号了！That's where keng me before！
#!/usr/bin/env python
# -*- coding:utf-8 -*-
__author__ = 'tigerstudent'
import urllib
import json
#因为该网页是 gbk编码的，所以首先从gbk编码转为python内部的unicode编码
page=urllib.urlopen(r'/p/').read().decode('gbk')
#这里涉及到正则表达式的贪婪匹配，所以用(.+?)而不用(.+)
res=re.findall(r&data-field=\'(.+?)\'&,page)
for i in res:
i=i.replace(u'&',u'&')
#i=i.replace(u'false',u&False&)这行代码没必要，因为python的False在json格式中表示为false
final=json.loads(i)
if(final and final.get('un')):#若final不为None且含有‘un'元素则输出
print final.get('un')
print res[0]#从这里输出的结果可以知道，在上面对i的修改并没有真正修改res的内容
print type(res[0])
以上代码只是我的测试代码，最终效果在
虽然最终没有用BeautifulSoup和lxml.html模块解决，但毕竟学会了它们的使用了！
过会我再记录一下这两模块的学习体会
本文已收录于以下专栏：
相关文章推荐
最近想用Python爬虫搞搞百度贴吧的操作，所以我得把原来申请的小号找出来用。有一个小号我忘了具体ID，只记得其中几个字母以及某个加入的贴吧。所以今天就用爬虫来获取C语言贴吧的所有成员。计划很简单，爬...
操作的url:  /p/?see_lz=1&pn=1
import urllib.request
import http.client...
本文说的是在登录页面中使用js进行正则验证并使用ajax进行用户ID的数据库验证，另外也加入键盘***。
先看一下登录的jsp页面代码
String path = request.ge...
我们来看下login.jsp页面，如下图所示。可以看到标签中并没有定义onclick方法，只是定义了个id=&loginsubmit&，那么onclick事件在哪儿定义了呢？
其实是在js代码当...
首先，我们还是先看一下注册页面，如下图所示。
上图箭头指向的链接在register.jsp的代码当中的位置如下图所示。
由于我现在对js不是很熟悉，注册页面对输入合法性的校验就不像正规网站...
这一篇，将会展示用Python语言实现用户信息的增删改查
首先，先搭建项目框架，这个在上一节里有提到，就不再写
然后 ，搭好项目，就开始编码了，首先，先分析，我们要实现用户信息的管理，就先写好界面...
他的最新文章
讲师：王哲涵
讲师：韦玮
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字) 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
2015年贴吧超级大召唤术你懂的,wow吧会员2067人
下载积分：600
内容提示：2015年贴吧超级大召唤术你懂的,wow吧会员2067人
文档格式：DOC|
浏览次数：65|
上传日期： 08:26:54|
文档星级：
全文阅读已结束，如果下载本文需要使用
 600 积分
下载此文档
该用户还上传了这些文档
2015年贴吧超级大召唤术你懂的,wow吧会员2067人
官方公共微信