Question

所以我有这个代码（可能超级低效，但这是另一个故事）从博客的HTML代码中提取网址。我有一个.csv中的html，我将它放入python中，然后运行正则表达式以获取URL。这是代码：

import csv, re # required imports

infile = open('Book1.csv', 'rt')  # open the csv file
reader = csv.reader(infile)  # read the csv file


strings = [] # initialize a list to read the rows into

for row in reader: # loop over all the rows in the csv file 
    strings += row  # put them into the list

link_list = []  # initialize list that all the links will be put in
for i in strings:  #  loop over the list to access each string for regex (can't regex on lists)

    links = re.search(r'((https?|ftp)://|www\.)[^\s/$.?#].[^\s]*', i) # regex to find the links
    if links != None: # if it finds a link..
        link_list.append(links) # put it into the list!

for link in link_list: # iterate the links over a loop so we can have them in a nice column format
    print(link)

然而，当我打印结果时，它的形式为：

<_sre.SRE_Match object; span=(49, 80), match='http://buy.tableausoftware.com"'>
<_sre.SRE_Match object; span=(29, 115), match='https://c.velaro.com/visitor/requestchat.aspx?sit>
<_sre.SRE_Match object; span=(34, 117), match='https://www.tableau.com/about/blog/2015/6/become->
<_sre.SRE_Match object; span=(32, 115), match='https://www.tableau.com/about/blog/2015/6/become->
<_sre.SRE_Match object; span=(76, 166), match='https://www.tableau.com/about/blog/2015/6/become->
<_sre.SRE_Match object; span=(9, 34), match='http://twitter.com/share"'>

有没有办法让我从包含的其他废话中拉出链接？那么，这只是正则表达式搜索的一部分吗？谢谢！

Answer 1

此处的问题是，re.search会返回match object而不是匹配字符串，您需要使用group属性来访问您想要的结果。

如果您想要所有捕获的组，您可以使用groups属性，对于特殊组，您可以将预期组的数量传递给它。

在这种情况下，似乎您需要整个匹配，以便您可以使用group(0)：

for i in strings:  #  loop over the list to access each string for regex (can't regex on lists)

    links = re.search(r'((https?|ftp)://|www\.)[^\s/$.?#].[^\s]*', i) # regex to find the links
    if links != None: # if it finds a link..
        link_list.append(links.group(0))

组（[group1，...]）

返回匹配的一个或多个子组。如果只有一个参数，则结果为单个字符串;如果有多个参数，则结果是一个元组，每个参数有一个项目。如果没有参数，group1默认为零（返回整个匹配）。如果groupN参数为零，则相应的返回值是整个匹配的字符串;如果它在包含范围[1..99]中，则它是与相应的带括号的组匹配的字符串。如果组编号为负数或大于模式中定义的组数，则会引发IndexError异常。如果一个组包含在模式的一部分中，那么相应的结果为None。如果一个组包含在多次匹配的模式的一部分中，则返回最后一个匹配。

Python：隔离re.search结果

1 个答案: