关于正则表达式里\n与\r的吐槽。

还是用Scrapy写的一个小爬虫，由于xpath有点忘记了而且对于复杂网页和有JS写的表现部分，Xpath很无力，所以我还是习惯用正则来抓内容。

好吧，遇到了下面这样一种情形的时候：

</div></div>
<table class="case" border="0" cellspacing="0" cellpadding="0" ><tr><span style="color:#ff0000;"><strong><td></strong></span>

  我麦的电动车呢，谁给上一下图，！<br /><small class="f666">发自手机虎扑 m.hupu.com</small>                                                                                         

<strong><span style="color:#ff0000;"></td></span></strong></tr></table>

<div class="reply-sponsor-users"></div>

    <div class="liangShare"></div>
</div><div class="clearfix"></div></div>

好吧，看着蛮简单的，那么问题来了。

首先，这两个标签的内容中间有可能出现n而且是非常可能，所以简单的用.*来匹配中间部分并不可行。

然后，这个HTML里的内容，从这个标签开始，换了两行，所以我自然而然的觉得是两个nn，所以我的大部分努力的正则大概是这种新式的：

r'''<td>nn((?:n|.)*?)nn</td>'''

由于是在Python中，采用了分组策略，通道了分组忽略的方法，也用了非贪婪模式进行重复匹配。怎么样，听上去已经很不错了是吧？

我也是这么觉得的。

而且我直接把网页内容赋值给一个字符串变量，用这种方式在命令行里测试hao无问题！

然而在整个程序里，就是什么都采不到！！！我用了N种方式反复测试。

最后实在没办法，只能一点一点测试在程序里的正则，最后发现的问题是，

标签后面并不是 nn 而是rn。。。。。。

去找在正则表达式的语法，在官方描述里，n是换行符，r是回车符......

所以说，是眼睛欺骗了我。在看网页源代码里，并不能分辨。

真的是非常坑爹......好吧，现在可以没问题地跑下来了。

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!