re.search 带有回车中间字符串的网页源导致 Python 中的错误

Question

使用 Python 2.6.6

我正在尝试使用 mechanize 浏览器获取 youtube 链接的标题，虽然它确实适用于指向实际视频的链接，但链接到频道页面或其播放列表等会导致它崩溃。

相关代码段：

ytpage = br.open(ytlink).read()
yttitle = re.search('<title>(.*)</title>', ytpage)
yttitle = yttitle.group(1)

错误：

yttitle = yttitle.group(1) AttributeError：“NoneType”对象没有属性“组”

我能看到的唯一区别是直接视频链接在源中的a single line 上布置了标题标签，而其他所有 youtube 页面似乎都将a carriage return/newline 放在标题标签的中间。

如果这是问题所在，任何人都知道我如何绕过回车？

干杯。

Answer 1

您可以使用re.DOTALL 标志，这将使. 匹配所有内容，包括换行符。

Documentation

所以你的第二行代码应该是这样的：

yttitle = re.search('<title>(.*)</title>', ytpage, re.DOTALL)

顺便说一句，从网页中提取数据，使用Beautiful Soup可能更容易。