-1

我正在使用80legs来抓取网络以获取某些信息。所需信息在 80legs 中使用正则表达式指定。例如，如果我只需要解析我的 url 列表中的图像，我指定<img.*?>.

现在，我还需要在具有类 "rellink relarticle mainarticle" 的 div 中抓取任何锚点。例如：

<div class="rellink relarticle mainarticle">Main articles: <a href="/wiki/Theophrastus"   title="Theophrastus">Theophrastus</a> and <a href="/wiki/Historia_Plantarum" title="Historia Plantarum">Historia Plantarum</a></div>

我尝试添加

<div class="rellink relarticle mainarticle">.*?<a.*?>

但这只会抓住 div 内的第一个锚点，即使有多个锚点也是如此。是否可以更改此代码以获取 div 内的所有锚点？

4

1 回答 1

1

<div class="rellink relarticle mainarticle">.*?<a.*?>匹配 div 的开始标签，后跟任意数量的字符，后跟一个锚点。所以使用

<div class="rellink relarticle mainarticle">.*?(<a.*?>)+

反而。

于 2013-02-28T12:30:36.200 回答