python - 使用 Python 的正则表达式和 BeautifulSoup

Question

很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的，无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它， visit the help center 。

已关闭 10 年前。

我必须解析(废弃)网页(html)并获取一些信息，将其存储在 csv 中。

我必须使用 Regex 和 BeautifulSoup 来完成此操作，而且我之前完全没有使用 Python 的经验。

如果有人能够相应地指导我的代码，我将非常感激。我已经成功安装了 python 和 BeautifulSoup。

Answer 1

对于Python 3:使用以下命令读取网页:

import urllib.request

your_url = "http://stackoverflow.com/"   # for example

opener = urllib.request.FancyURLopener({})
f = opener.open( your_url )
vr = f.read()
vr = vr.decode()
print( vr )

并匹配一些正则表达式，例如:

import re

re_flags = ( re.MULTILINE | re.IGNORECASE | re.UNICODE )
m = re.search( r"<div>\s*(\d*)\s*</div>" , vr , re_flags )
if m :
    print( m.groups()[0] )

如果找到正则表达式，则匹配的字符串将写入 m.groups()[0]

显然，您必须在 re.search 中使用您的个人正则表达式

访问: http://docs.python.org/library/re.html