Question

我是Python和Regex的新手，我有点困惑。我想在网页标题中搜索三个不同的术语，如果标题与我想要打印的标题相匹配（我使用scrapy，那么它会为每个项目打印）。我不确定如何通过这三个术语进行搜索？例如，如果标题有＆＃34; Dresses | Wallets | Pumps＆＃34;打印出来。

目前我只是打印出标题中的第一个字词

c_raw = response.xpath('//title').extract()
c_re = re.search('<title>(.*?) |.*?', c_raw[0])
c = c_re.group(1).lower()

我试过

c_raw = response.xpath('//title').extract()
c_re = re.search('Dresses|Wallets|Pumps', c_raw[0])
c = c_re.group(0)

但是有些人打印了无。我还不确定c_raw[0]正在做什么？ 0怎么办？任何帮助将不胜感激！

编辑：虽然以下答案有所帮助 - 在Dresses | Wallets | Pumps周围添加括号

Answer 1

这是一个正则表达式，可以找到localStorage.vals = JSON.stringify(item);中哪些（如果有）标题关键字：

c_raw

regex = re.compile("(?:Dresses)|(?:Wallets)|(?:Pumps)") print regex.findall(c_raw)等格式，只是意味着它们一起出现的顺序匹配括号内的字母，但不将它们保存为正则表达式组。

至于(?:Dresses)正在做什么，基本上c_raw[0]是一个字符串。在python中，您可以将字符串视为字符数组。所以，c_raw说，给我数组c_raw[0]的第0个索引 - 即得到c_raw的第一个字符

Answer 2

从scrapy shell尝试这个演示，

In [1]: text = "<title>Testing test Pumps abc asdf a</title>"

In [2]: sel = Selector(text=text)

In [3]: sel.xpath('//title').re('Dresses|Wallets|Pumps')
Out[3]: [u'Pumps']

我已经向选择器对象输入了html，因为您还没有提供任何特定的start-url

Python正则表达式搜索三个术语

2 个答案: