Question

我一直在搜索此论坛以查找我的问题，但无法找到合适的解决方案，因此请发布查询。

使用urllib和re模块提取网页的某些部分。感兴趣的还有与这些部分相关的状态。

例如，查看网页的来源：

MY-TEXT＃1410完成了子任务PREPARE-WORKSPACE＃340418：https：//cloud6.foo.bar.com/b/job/PREPARE-WORKSPACE/340418

'＆GT; SUCCESS

使用re.compile和re.findall提取此模式之后的文本“https://cloud6.foo”;这匹配所有文本并使用此列表我已经确认它是如此;但是我对这个特定任务的状态感到失望，因为它位于“https：//”行之后的行中。

如何在当前场景中的匹配字符串后提取一行？

代码段在这里：

from urllib import urlopen
import re

webpage = urlopen(urllink).read()
buildPhases = re.compile(r'\<a href=\W{1}https\W{3}(.*)')
phaseLists = re.findall(buildPhases, webpage)
for item in phaseLists:
    print item

Answer 1

要在匹配字符串后提取一行，您需要在正则表达式中添加.*\n 例如，如果我们采取：

MY-TEXT＃1410完成了子任务PREPARE-WORKSPACE＃340418：https://cloud6.foo.bar.com/b/job/PREPARE-WORKSPACE/340418

'＆GT; SUCCESS

并应用此模式r'https.*\n.*\n.*'结果应该是上面的字符串，而不是：

MY-TEXT #1410 finished subtask PREPARE-WORKSPACE #340418:

Python正则表达式：在字符串匹配后获取下一行

1 个答案: