• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    基于Python正则表达式提取搜索结果中的站点地址

    正则表达式对于Python来说并不是独有的,最近在把google搜索的结果中所有的站点地址导出,于是想到用python正则表达式提取搜索结果中的站点地址。

    这其中涉及几个需要解决的问题:

    1、获取搜索的结果文本

    为了获得更多的地址,我使用了Google的高级搜索功能,每个页面显示100条结果。

    获得显示的结果后,可以查看源码,并保持成文本文件就有了搜索的结果文本

    2、分析如何提取站点信息

    首先需要分析获取的页面,查看以怎样的方式可以提取出站点信息。

    我使用IE8自带的开发工具(按F12就会弹出来)中的探查器功能查看自己要关心的内容有什么特殊的格式

    从上图可以看出我需要的站点在标签cite>/cite>中,所以我使用正则表达式提取这其中的文本是否就可以呢?

    3、编写正则表达式来获取站点地址

    接下来的就是写表达式了,我使用Python3.2编写的,方便好用(~_~)

    代码如下,先把搜索结果页面保持到e:/t3.txt中,在执行如下代码

    import re
    p = re.compile(r'cite>([^>\/].+?)/cite>')
    f = open("e:/t3.txt", encoding='utf-8')
    content = f.read()
    print ("\n".join(p.findall(content)))

    运行如下:


    大家可以对照一下运行效果图,看看所有的站点地址是不是都给获取到了。

    您可能感兴趣的文章:
    • python正则表达式从字符串中提取数字的思路详解
    • Python使用正则表达式去除(过滤)HTML标签提取文字功能
    • Python正则表达式匹配和提取IP地址
    • python利用正则表达式提取字符串
    • python 根据正则表达式提取指定的内容实例详解
    • python使用正则表达式提取网页URL的方法
    • python 利用正则表达式提取特殊信息
    上一篇:Python爬虫正则表达式常用符号和方法
    下一篇:正则表达式详细介绍(上)
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    基于Python正则表达式提取搜索结果中的站点地址 基于,Python,正则,表达式,