我在做一个爬虫,目标网页之一是: http://district.ce.cn/newarea/roll/201702/07/t20170207_20020701.shtml
因为报告往往不止一页,所以,我需要从网页的源代码中找到页面总数,用 BeautifulSoup + lxml 解析后的部分网页代码如下:
<!--
function createPageHTML(_nPageCount, _nCurrIndex, _sPageName, _sPageExt){
if(_nPageCount == null || _nPageCount<=1){
return;
}
//中间代码省略
}//函数结束符
//WCM 置标
createPageHTML(4, 0, "t20170207_20021665", "shtml");
//-->
问题:如何用 Python 正则表达式匹配到 createPageHTML(4, 0, "t20170207_20021665", "shtml"); 字符串第一个括号后面的数字?那个数字是页面总数。
本人正则表达式不够熟练,目前我用的办法是,但是觉得不够好:
tmp_str = re.findall(r'[^createPageHTML(].*[$,]', str(tmp_html))
page_sum = tmp_str[1][16]
