python 2.7 中的正则表达式和 csv 问题答案

【问题标题】：Regex and csv issues in python 2.7python 2.7 中的正则表达式和 csv 问题
【发布时间】：2011-12-29 04:47:03
【问题描述】：

使用以下解决问题（对于剩余的问题，将更改我的代码）。对不起，我最初的帖子中的代码格式不正确。

import csv, re, mechanize  

htmlML = br.response().read() 

#escaping ? fixed the regex match 
patMemberName = re.compile('<a href=/foo.php\?XID=(d+) ><font color=#000000><b>(.*) </b>') 
searchMemberName = re.findall(patMemberName,htmlML)

MembersCsv = 'path-to-csv' 
MemberWriter = csv.writer(open(MembersCsv, 'wb')) #adding b fixed the \n in csv

for i in searchMemberName:
    MemberWriter.writerow(i)
    print (i)

感谢您的宝贵时间

【问题讨论】：

在正则表达式中，问号表示“零或前一个字符类”，句点表示“任何字符”。因此，当您说 .php? 时，您并不是真的在寻找 .php?。试试 [.]php[?]
如果您使用 Python2，请将 csv.writer(open(MembersCsv, 'w')) 更改为 csv.writer(open(MembersCsv, 'wb'))（因为 Python2 希望以二进制形式打开 csv 文件）。无论 Python 版本如何，将 MemberWriter.writerow(i) 更改为 MemberWriter.writerow([i])（因为 writerow 想要一行项目——目前它将每个字符解释为一个项目）。最后，如果每行只有一个项目，你真的需要 csv 吗？
不要使用正则表达式解析 html。见stackoverflow.com/questions/2861/options-for-html-scraping。
另外，这个问题如果分成两个问题会更好。
@k3rb3r05，StackOverflow 有非常好的格式化能力；请learn to use them。我试图自己重新格式化问题，但我什至不知道你在尝试什么。

标签： python regex csv screen-scraping

【解决方案1】：

不幸的是，我现在找不到适合 Python 的转义序列。通常，您会使用不应在“\Q...\E”中解释的元字符来包装表达式。

尝试用 re.escape(string) 包裹你的字符串。所以：

re.compile(re.escape('<font color=#000000><b>(.*)</b>'))

【讨论】：

【解决方案2】：

对于问题 1)，您必须将模式中的 ? 转义。

import re

htmlML = '<a href=/foo.php?XID=123 ><font color=#000000><b>user</b>'
patMemberID = re.compile('<a href=/foo.php\?XID=(\d*) ><font color=#000000><b>user</b>')

searchMemberID = re.findall(patMemberID, htmlML)
print len(searchMemberID)

for i in searchMemberID:
    print (i)

那么123就可以从字符串中提取出来了

问题 2a)

您可以使用(.*?) 替换some string，? 表示非贪婪匹配

【讨论】：

请不要忘记这段时间