Python重新正则表达式匹配问题

Question

好的，请保持温和 - 这是我的第一个 stackoverflow 问题，我已经为此苦苦挣扎了几个小时。我确信答案很明显，盯着我的脸，但我放弃了。

我正在尝试从名称网站中抓取网页中的元素（即确定名称的性别）。

我写的python代码在这里：

import re
import urllib2

response=urllib2.urlopen("http://www.behindthename.com/name/janet")
html=response.read()
print html

patterns = ['Masculine','Feminine']

for pattern in patterns:
print "Looking for %s in %s<<<" % (pattern,html)

    if re.findall(pattern,html):
        print "Found a match!"
        exit
    else:
        print "No match!"

当我转储 html 时，我在那里看到 Feminine，但 re.findall 不匹配。我到底做错了什么？

Answer 1

Do not parse an HTML with regex，使用专门的工具 - HTML 解析器。

使用BeautifulSoup的示例：

from urllib2 import urlopen
from bs4 import BeautifulSoup

url = 'http://www.behindthename.com/name/janet'
soup = BeautifulSoup(urlopen(url))

print soup.select('div.nameinfo span.info')[0].text  # prints "Feminine"

---

或者，你可以find an element by text：

gender = soup.find(text='Feminine')

然后，看看它是否是None（未找到）：gender is None。