Question

我正在尝试使用Python 2.7正则表达式从我正在学习的课程中提供的示例网页中检索数据。我试图开始工作的代码是：

email_patterns = ['(?P<lname>[\w+\.]*\w+ *)@(?P<domain> *\w+[\.\w+]*).(?P<tld>com)

for pattern in email_patterns:
        # 'line' is a line of text in a sample web page
        matches = re.findall(pattern,line)
        for m in matches:
            print 'matches=', m
            email = '{}@{}.{}'.format(m.group('lname'), m.group('domain'),m.group('tld'))

运行此命令会返回以下错误：

email = '{}@{}.{}'.format(m.group('lname'), m.group('domain'), m.group('tld'))
AttributeError: 'tuple' object has no attribute 'group'.

我想使用命名组，因为组的顺序可以根据我匹配的文本而改变。但是，它似乎不起作用，因为编译器不认为'm'是一个Group对象。

这里发生了什么，以及如何通过使用命名组来使其正常工作？

Answer 1

你有两个问题。就像Ignacio暗示的那样，你不应该使用正则表达式解析（X）HTML ...正则表达式无法处理复杂性。另一个问题是您使用的是findall()而不是finditer()。 findall()将匹配作为列表返回...如果是组，则将其作为元组列表返回。

另一方面，

finditer()返回MatchGroup个具有group()方法的对象的迭代器。

来自re的python文档：

re.findall（pattern，string，flags = 0）返回字符串中pattern的所有非重叠匹配，作为字符串列表。字符串是   从左到右扫描，并按找到的顺序返回匹配。如果   模式中存在一个或多个组，返回列表   组;如果模式有多个，这将是一个元组列表   组。结果中包含空匹配，除非他们触摸了   另一场比赛的开始。

re.finditer（pattern，string，flags = 0）返回一个迭代器让步   RE的所有非重叠匹配上的MatchObject实例   字符串中的模式。字符串从左向右扫描，并匹配   按找到的顺序返回。空匹配包含在   结果，除非他们触及另一场比赛的开始。

Python RE，AttributeError：'tuple'对象没有属性'group'

1 个答案: