Python RE，AttributeError：“元组”对象没有属性“组”

Question

我正在尝试使用 Python 2.7 正则表达式从我正在学习的课程中提供的示例网页中检索数据。我要开始工作的代码是：

email_patterns = ['(?P<lname>[\w+\.]*\w+ *)@(?P<domain> *\w+[\.\w+]*).(?P<tld>com)

for pattern in email_patterns:
        # 'line' is a line of text in a sample web page
        matches = re.findall(pattern,line)
        for m in matches:
            print 'matches=', m
            email = '{}@{}.{}'.format(m.group('lname'), m.group('domain'),m.group('tld')) 

运行它会返回以下错误：

email = '{}@{}.{}'.format(m.group('lname'), m.group('domain'), m.group('tld'))
AttributeError: 'tuple' object has no attribute 'group'.

我想使用命名组，因为组的顺序可以根据我匹配的文本而改变。但是，它似乎不起作用，因为编译器认为 'm' 不是 Group 对象。

这里发生了什么，我怎样才能通过使用命名组使其正常工作？

Answer 1

你有两个问题。就像 Ignacio 暗示的那样，您不应该使用正则表达式解析 (X)HTML ...正则表达式无法处理复杂性。另一个问题是您使用的是findall() 而不是finditer()。 findall() 将匹配项作为列表返回...如果是组，则将其作为元组列表返回。

另一方面，finditer() 返回具有group() 方法的MatchGroup 对象的迭代器。

来自re的python文档：

re.findall(pattern, string, flags=0) 以字符串列表的形式返回字符串中所有不重叠的模式匹配。字符串是 从左到右扫描，并按找到的顺序返回匹配项。如果 模式中存在一个或多个组，返回一个列表 团体；如果模式有多个，这将是一个元组列表 团体。结果中包含空匹配项，除非它们触及 另一场比赛的开始。

re.finditer(pattern, string, flags=0) 返回一个迭代器产生 针对 RE 的所有非重叠匹配的 MatchObject 实例 字符串中的模式。从左到右扫描字符串，并匹配 按找到的顺序返回。空匹配包含在 结果，除非他们触及另一场比赛的开始。