正则表达式中的字节错误答案

【问题标题】：Byte error in regexp正则表达式中的字节错误
【发布时间】：2014-08-01 13:32:18
【问题描述】：

所以，这里是代码：

#!/usr/bin/python
from sys import exit
import urllib.request

answer = urllib.request.urlopen("http://monip.org").read()

def debug(txt):
    print(txt)
    exit(0)

def parse_answer(answer):
    ''' Simple function to parse request's HTML result
        to find the ip in it. Raise RuntimeError if no 
        ip in result and ip else.
    '''
    import re
    pattern = "^\w+(\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})\w+$"
    regexp = re.compile(pattern)
    if regexp.match(regexp, answer):
        m = regexp.search(regexp, answer)
        ip = m.group(0)
        return ip
    else:
        raise RuntimeError

try:
    ip = parse_answer(answer)
except RuntimeError:
    print("Error, check your network configuration.")
    print("Aborting..")
    exit(1)

print("IP:", ip)

我写的。此代码旨在为您提供公共 IP 地址。如果它不能给你任何东西，它会抛出一个运行时错误。

这是错误：

Traceback（最近一次调用最后一次）：文件“./ippub”，第 27 行，在 ip = parse_answer(答案) 文件“./ippub”，第 19 行，在 parse_answer 如果正则表达式匹配（正则表达式，答案）： TypeError: 'bytes' 对象不能被解释为整数

这意味着“答案”变量是字节，但我想在其中匹配一个 IP 地址，但我不能因为 python 类型系统:-)

有什么想法吗？非常感谢！

【问题讨论】：

标签： regex python-3.x

【解决方案1】：

你有两个不同的问题。

您需要将answer 转换为字符串，即使answer 有一些有趣的字符不能很好地与utf-8 解码。
您正在错误地调用正则表达式 API。

这是一个更正的版本，它使用chr 来解决问题 1，并使用正确的语法修复问题 2。

#!/usr/bin/python
from sys import exit
import urllib.request
import re


def debug(txt):
    print(txt)
    exit(0)

def parse_answer(answer):
    ''' Simple function to parse request's HTML result
        to find the ip in it. Raise RuntimeError if no 
        ip in result and ip else.
    '''
    answer = "".join([chr(x) for x in answer])
    pattern = "(\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})"
    regexp = re.compile(pattern)
    m = regexp.search(answer)
    if m:
        ip = m.group(0)
        return ip
    else:
        raise RuntimeError

answer = urllib.request.urlopen("http://monip.org").read()

try:
    ip = parse_answer(answer)
except RuntimeError:
    print("Error, check your network configuration.")
    print("Aborting..")
    exit(1)

print("IP:", ip)

【讨论】：

【解决方案2】：

如果你尝试：

print answer

你会失败，因为它是在ISO-8859-1 中编码的。

您应该先将其转换为UTF-8，然后再将其发送至parse_answer()：

answer = answer.encode('utf8')

一旦你通过了这个障碍，你就会遇到另一个错误，它依赖于以下两行：

if regexp.match(regexp, answer):
    m = regexp.search(regexp, answer)

因为regex 已经是一个编译模式，你不应该在上面的两个调用中将它作为参数发送！将代码更改为：

if regexp.match(answer):
    m = regexp.search(answer)

它应该可以工作！

对于梅林：

import requests
answer = requests.get("http://monip.org")
print answer.text.encode('utf8')

输出

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">
<html>
<head>
<title>MonIP.org v1.0</title>
<META http-equiv="Content-type" content="text/html; charset=ISO-8859-1">
</head>
<P ALIGN="center"><FONT size=8><BR>IP : 50.184.3.115<br></font><font size=3><i>c-50-184-3-115.hsd1.ca.comcast.net</i><br></font><font size=1><br><br>Pas de proxy détecté - No Proxy detected</font></html>

【讨论】：

@merlin2011 我确实测试了这个解决方案，我会在一分钟内发布代码（特别是为你;）
谢谢。我很感激。您调用请求库的方法与 OP 的方法完全不同，因此您的答案现在更加有用。 +1。