基于Python正则表达式提取搜索结果中的站点地址
2015-10-15 09:59
645 查看
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:
相关文章推荐
- 使用命令修改注册表键值及权限
- Fedora Linux 7 Test 4 发布 下载地址
- PHP 命令行工具 shell_exec, exec, passthru, system详细使用介绍
- js正则表达exec与match的区别说明
- php中使用exec,system等函数调用系统命令的方法(不建议使用,可导致安全问题)
- 自定义ubb代码,preg_replace()函数的一些代码
- php 正则表达式学习笔记
- 检测八位数字是否为有效日期的正则
- 向大家推荐一个收集整理正则表达式的网站
- test file
- test
- 理财师test
- ping test online pc
- shell中exec解析
- wo de space
- 看Spring源码之容器的点滴收获
- Flume Source Exec Sink To Hdfs
- Go笔记-测试
- 关于Integer的parseInt(String s, int radix)方法的使用