Python如何使用re在网站中获取特定代码

我正在努力使python具有挑战性。 好啊我知道，我可以把代码从源代码复制粘贴到txt文件中，然后制作类似的东西，但我想从网络上获取它来改进自己。（我已经做了）我试过了

re.findall(r"<!--(.*?)-->,html)

re.findall（r'，html）

但它什么也得不到。 如果您需要我的完整代码，请访问：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import requests,re
link = "http://www.pythonchallenge.com/pc/def/ocr.html"
x = requests.get(link)
codes = re.findall(r"<!--(.*)-->",str(x.content))
print codes 

！/usr/bin/env python
#-*-编码：utf-8-*-
导入请求，重新
链接=”http://www.pythonchallenge.com/pc/def/ocr.html"
x=请求。获取（链接）
代码=关于findall（r“”，str（x.content））
打印代码

我也试着这样做：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import requests,re
link = "http://www.pythonchallenge.com/pc/def/ocr.html"
x = requests.get(link)
codes = re.findall("<!--\n(.*)\n-->",str(x.content))
print codes 

！/usr/bin/env python
#-*-编码：utf-8-*-
导入请求，重新
链接=”http://www.pythonchallenge.com/pc/def/ocr.html"
x=请求。获取（链接）
代码=re.findall（“，str（x.content））
打印代码

现在，它找到了文本，但仍然无法获得混乱：（

不确定你所说的“混乱”是什么意思。你应该在这篇文章中包含挑战的所有细节，而不是将用户链接到pythonchallenge文章

无论哪种方式，如果将正则表达式设置为单线模式，

/s

，则点字符

，也应与换行符

/n

匹配。这将避免正则表达式中的

\n（+）\n

构造，这可能会解决您的问题

这是一个例子

以下是修改后的python 2.7代码：

#!/usr/bin/python
import requests, re
link = "http://www.pythonchallenge.com/pc/def/ocr.html"
x = requests.get(link)
codes = re.findall("<!--(.*?)-->", str(x.content), re.S)
print codes[1]

！/usr/bin/python
导入请求，重新
链接=”http://www.pythonchallenge.com/pc/def/ocr.html"
x=请求。获取（链接）
代码=re.findall（“），str（x.content），re.S）
打印代码[1]

请注意

re.S

，

（.*？

）和

代码[1]

修改

• re.S

  是python对

  //S

• （.*）

  使

  *

  量词不贪婪

• code[1]

  打印HTML注释中找到的第二组内容（因为

  findall（..）

  匹配2并返回两组内容的数组）

不确定你所说的“一团糟”是什么意思。你应该在这篇文章中包含挑战的所有细节，而不是将用户链接到pythonchallenge文章

无论哪种方式，如果将正则表达式设置为单线模式，

/s

，则点字符

，也应与换行符

/n

匹配。这将避免正则表达式中的

\n（+）\n

构造，这可能会解决您的问题

这是一个例子

以下是修改后的python 2.7代码：

#!/usr/bin/python
import requests, re
link = "http://www.pythonchallenge.com/pc/def/ocr.html"
x = requests.get(link)
codes = re.findall("<!--(.*?)-->", str(x.content), re.S)
print codes[1]

！/usr/bin/python
导入请求，重新
链接=”http://www.pythonchallenge.com/pc/def/ocr.html"
x=请求。获取（链接）
代码=re.findall（“），str（x.content），re.S）
打印代码[1]

请注意

re.S

，

（.*？

）和

代码[1]

修改

• re.S

  是python对

  //S

• （.*）

  使

  *

  量词不贪婪

• code[1]

  打印HTML注释中找到的第二组内容（因为

  findall（..）

  匹配2并返回两组内容的数组）

您可以解决：

codes = re.findall("/<!--(.*?)-->/s",str(x.content))

codes=re.findall（“//s”，str（x.content））

使用空格和特征线查找“s”

您可以解决：

codes = re.findall("/<!--(.*?)-->/s",str(x.content))

codes=re.findall（“//s”，str（x.content））

带空格和特征线的“s”查找我将使用HTML解析器。您可以在HTML中使用

工作代码：

import requests
from bs4 import BeautifulSoup, Comment


link = "http://www.pythonchallenge.com/pc/def/ocr.html"
response = requests.get(link)

soup = BeautifulSoup(response.content, "html.parser")

code = soup.find_all(text=lambda text: isinstance(text, Comment))[-1]
print(code.strip())

我会改用HTML解析器。你可以在HTML中使用

工作代码：

import requests
from bs4 import BeautifulSoup, Comment


link = "http://www.pythonchallenge.com/pc/def/ocr.html"
response = requests.get(link)

soup = BeautifulSoup(response.content, "html.parser")

code = soup.find_all(text=lambda text: isinstance(text, Comment))[-1]
print(code.strip())

---

请提供一个python2.7的例子。在网站上，他们介绍了名为“mess”的代码，你也不需要帐户就可以访问该网站。顺便说一句，谢谢你的回答。这个答案对你想要的东西有用吗？它似乎对我有用。我也知道提出问题是不好的，但你能解释一下（.*）这是一个前缀吗请提供一个python2.7的例子。在网站上，他们介绍了名为“mess”的代码，你也不需要帐户就可以访问该网站。顺便说一句，谢谢你的回答。这个答案对你想要的有用吗？它似乎对我有用。我也知道提出问题是不好的，但你能解释一下（.*）吗这是一个类似于“Get everything here”的前缀吗？我尝试使用bs4，但很难控制bs4：（另外，我可能是python新手，所以我不太了解lambda。你能做一个函数吗？@Dr.UK好吧，如果你有HTML源代码要解析，一般来说你都可以。至于你的问题，

lambda

只是编写函数的一个简单方法。你很少需要在BeautifulSoup中传递函数，就像在这种情况下，BeautifulSoup是一个非常方便的方法。）d易于使用库。希望这有帮助。@Dr.UK，如果您发现bs4太难控制，那么祝您在嵌套元素和正则表达式方面好运。我尝试使用bs4，但控制bs4太难了：（另外，我可能是python新手，所以我不太了解lambda。你能做一个函数吗？@Dr.UK好吧，如果你有HTML源代码要解析，一般来说你都可以。至于你的问题，

lambda

只是编写函数的一个简单方法。你很少需要在BeautifulSoup中传递函数，就像在这种情况下，BeautifulSoup是一个非常方便的方法。）d使用库很容易。希望这对@Dr.UK有所帮助。如果您发现bs4太难控制，那么祝您使用嵌套元素和正则表达式好运。