在python中的HTML文本中查找特殊路径字符串
我正在尝试提取我读取的HTML文件中的路径。 在本例中,我要寻找的路径是来自谷歌主站点的徽标 我很确定我定义的正则表达式是正确的,但我想我遗漏了一些东西 代码是:在python中的HTML文本中查找特殊路径字符串,python,regex,expression,Python,Regex,Expression,我正在尝试提取我读取的HTML文件中的路径。 在本例中,我要寻找的路径是来自谷歌主站点的徽标 我很确定我定义的正则表达式是正确的,但我想我遗漏了一些东西 代码是: import re import urllib a=urllib.urlopen ('https://www.google.co.il/') Text = a.read(250) print Text print '\n\n' b= re.search (r'\"\/[a-z0-9 ]*',Text) print format(b.
import re
import urllib
a=urllib.urlopen ('https://www.google.co.il/')
Text = a.read(250)
print Text
print '\n\n'
b= re.search (r'\"\/[a-z0-9 ]*',Text)
print format(b.group(0))
我想要得到的实际文本是:
/images/branding/googleg/1x/googleg\u standard\u color\u 128dp.png
如果有人能为我指出正确的方向,我将不胜感激。这可以帮助您:
re.search(r'\"\/.+\"',Text).group(0)
结果:
>>> re.search(r'\"\/.+\"',Text).group(0)
'"/images/branding/googleg/1x/googleg_standard_color_128dp.png"'
以下是我的答案:
import re
import urllib
a=urllib.urlopen ('https://www.google.co.il/')
text = a.read(250)
print text
print '\n\n'
b= re.search (r'\"(\/[a-z0-9_. ]+)+\"',text)
print format(b.group(0))
Run提供:
>>> python stackoverflow.py
<!doctype html><html dir="rtl" itemscope="" itemtype="http://schema.org/WebPage" lang="iw"><head><meta content="text/html; charset=UTF-8" http-equiv="Content-Type"><meta content="/images/branding/googleg/1x/googleg_standard_color_128dp.png" itemprop=
"/images/branding/googleg/1x/googleg_standard_color_128dp.png"
python stackoverflow.py