基于Python正則表達式提取搜索結(jié)果中的站點地址
更新時間：2015年10月15日 09:59:29 投稿：mrr
正則表達式對于Python來說并不是獨有的，最近在鼓搗一個東西把google搜索的結(jié)果中所有的站點地址導出，于是想到用python正則表達式提取搜索結(jié)果中的站點地址，小編把具體實現(xiàn)思路整理分享給大家
正則表達式對于Python來說并不是獨有的，最近在把google搜索的結(jié)果中所有的站點地址導出，于是想到用python正則表達式提取搜索結(jié)果中的站點地址。
這其中涉及幾個需要解決的問題：
1、獲取搜索的結(jié)果文本
為了獲得更多的地址，我使用了Google的高級搜索功能，每個頁面顯示100條結(jié)果。
獲得顯示的結(jié)果后，可以查看源碼，并保持成文本文件就有了搜索的結(jié)果文本
2、分析如何提取站點信息
首先需要分析獲取的頁面，查看以怎樣的方式可以提取出站點信息。
我使用IE8自帶的開發(fā)工具（按F12就會彈出來）中的探查器功能查看自己要關心的內(nèi)容有什么特殊的格式
從上圖可以看出我需要的站點在標簽<cite></cite>中，所以我使用正則表達式提取這其中的文本是否就可以呢？
3、編寫正則表達式來獲取站點地址
接下來的就是寫表達式了，我使用Python3.2編寫的，方便好用（~_~）
代碼如下，先把搜索結(jié)果頁面保持到e:/t3.txt中，在執(zhí)行如下代碼
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)))
運行如下：
大家可以對照一下運行效果圖，看看所有的站點地址是不是都給獲取到了。
相關文章
由MySQL提供的模式匹配的其他類型是使用擴展正則表達式。當你對這類模式進行匹配測試時，使用REGEXP和NOT REGEXP操作符(或RLIKE和NOT RLIKE，它們是同義詞)。2009-10-10
好多網(wǎng)站需要用中文用戶名注冊，下面的代碼就是客戶端檢測。強烈建議后臺也要控制一下。2009-11-11
RegExp對象（至今為止我看到過的最通俗易懂和深入的正則表達式教程）。2009-10-10
求個簡單正則...2006-07-07
JavaScript正則表達式校驗非零的正整數(shù)實例
本文分享了JavaScript正則表達式（^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$）校驗非零的正整數(shù)實例代碼，代碼簡單易懂，需要的朋友可以看下2016-12-12
這篇文章主要介紹了正則表達式直接在EXCEL中使用的詳細步驟,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-03-03
這篇文章主要給大家介紹了關于正則表達式的神奇世界之表達、匹配和提取的相關資料,正則表達式是由一些特定的字符組成,代表一個規(guī)則,可以用來檢驗數(shù)據(jù)格式是否合法,也可以在一段文本中查找滿足要求的內(nèi)容,需要的朋友可以參考下2024-02-02
eregi_replace與preg_replace 函數(shù)代碼的用法比較
eregi_replace與preg_replace 函數(shù)代碼的用法比較...2007-03-03
這篇文章主要是關于Java正則表達式的學習教程，本教程的目的在于幫助你駕馭Java正則表達式，感興趣的小伙伴們可以參考一下2015-12-12
相信大家對正則表達式一定都有所了解和研究，這篇文章主要為大家分享了最新驗證手機號碼和電話號碼的正則表達式,具有一定的參考價值，感興趣的小伙伴們可以參考一下2016-11-11