我们打开这个地址
https://mm.taobao.com/json/request_top_list.htm?page=1
Paste_Image.png
首先我们先拿到帖子的标题，通过查看源码，我们发现，他的标题的html为：
<p class="top">
<a class="lady-name" href="//mm.taobao.com/self/model_card.htm?user_id=687471686" target="_blank">田媛媛</a>
<em><strong>26</strong>岁</em>
<span>广州市</span>
<span class="friend-follow J_FriendFollow" data-custom="type=14&app_id=12052609" data-group="" data-userid="687471686">加关注</span>
</p>
我们需要中间的标题怎么搞呢？，我要拿到MM的姓名，年龄，那个城市，我总不能一个匹配一次吧，这个就需要组合匹配了？
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import urllib
import urllib2
import re
page = 1
url = 'https://mm.taobao.com/json/request_top_list.htm?' + str(page)
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
headers = {'User-Agent': user_agent}
try:
request = urllib2.Request(url, headers=headers)
response = urllib2.urlopen(request)
content = response.read().decode('gbk')
pattern =re.compile('<a class="lady-name".*?>(.*?)</a>.*?<strong>(.*?)</strong>.*?<span>(.*?)</span>', re.S)
items = re.findall(pattern, content)
# 分别对应的是 昵称，年龄，城市
for item in items:
print item[0],item[1],item[2]
except urllib2.URLError, e:
if hasattr(e, "code"):
print e.code
if hasattr(e, "reason"):
print e.reason
这里需要注意，如果组合多个条件，每当结束一个匹配之后，.*?来标识结束
Paste_Image.png
