Python如何使用re获取网站中的特定代码

Question

我正在尝试制作 python 挑战。 http://www.pythonchallenge.com/pc/def/ocr.html 好的。我知道，我可以将源代码中的代码复制粘贴到 txt 文件中并制作类似的东西，但我想从网上获取它以提高自己。 （+我已经做过了）我试过了

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

但它什么也得不到。 如果你想要我的完整代码在这里：

#!/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 

我也尝试过这样：

#!/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 

现在它找到了文本，但仍然无法得到那个混乱:(

Answer 1

我会使用 HTML 解析器。您可以在 HTML 中使用BeautifulSoup find comments。

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())

Answer 2

不知道你所说的“那个烂摊子”是什么意思。您应该在这篇文章中包含挑战的所有详细信息，而不是将用户链接到 pythonchallenge 帖子。

无论哪种方式，如果您将正则表达式设置为单行模式 //s，那么点字符 . 也应该匹配换行符 /n。这避免了您的正则表达式中的\n(.+)\n 构造，这可能会解决您的问题。

这是link to a working regex example。

这是修改后的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]

注意re.S、(.*?) 和codes[1] 的修改。

• re.S 是 //s 的 python 标志
• (.*?) 使 * 量词非贪婪
• codes[1] 打印在 HTML cmets 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）。

Answer 3

你可以解决：

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

“s”用空格和断线查找