Question

我对Python很新......

我正在编写一个使用urllib2库来搜索某个网页的代码。我使用命令re.findall来搜索此网页上的特定字符串。但是，我想提取这些字符串出现的整个行，而不是提取这些特定的字符串。

例如，假设我在网页上搜索“hello”这个词，如下所示：

你好，我的名字是鲍勃。我是鲍勃。

我的朋友是简。

我的名字是简......你好！

我想提取其中包含“hello”的行。（这意味着我想要提取第一行和第三行。）这是我在下面使用的，这显然是错误的，因为它只提取单词，而不是单词出现的整行：

Page_Content = urllib2.urlopen(My_URL).read()
Matches = re.findall("hello", Page_Content)

如何修改此代码以提取整行？我是否必须使用某种类型的for循环并逐行搜索？如果是这样，我将如何做到这一点？

for line in Page_Content
[code here]

Answer 1

对于正则表达式问题，您可以迭代文件并使用re.search

for line in content:
   if re.search("hello",line):
      print line

或更好，首先编译

val pat = re.compile("hello")    
for line in content:
   if pat.search(line):
       print line

Answer 2

我喜欢Eran的方法，但这是使用正则表达式的另一种方法，避免使用for循环：

pattern = re.compile("\n.*hello.*\n")
matching_lines = re.findall(pattern, Page_Content)

通过用\n包围模式，我们确保匹配整行。 .*是“任何字符零或更多”的正则表达式，因此它将匹配任何带有“hello”的行。