Question

我刚刚开始学习Python中的正则表达式，并且我已经在我想要完成的工作上取得了一些进展。

import urllib.request
import urllib.parse
import re

x = urllib.request.urlopen("http://www.SOMEWEBSITE.com")
contents = x.read()

paragraphs = re.findall(r'<p>(.*?)</p>', str(contents))

因此，使用该正则表达式，我能够找到段落标题之间的所有内容，但如果我想查找包含特定单词的段落，该怎么办？例如，解析所有包含单词＆＃34; cat＆＃34;在他们中。我知道（。*？）可以找到所有内容，但我对于找到具有特定关键字的段落的直觉感到有点迷失。

无论如何，谢谢。

Answer 1

最好使用BeautifulSoup。例如：

import urllib2
html = urllib2.urlopen("http://www.SOMEWEBSITE.com").read()
from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(html)

# now you can search the soup

<强>文档

BeautifulSoup Doc

但是......如果必须使用正则表达式：

>>> str = "<p>This is some cat in a paragraph.</p>"
>>> re.findall(r'<p>(.*cat.*)</p>', str)
['This is some cat in a paragraph.']

Python正则表达式在标题之间查找特定文本

1 个答案: