正则表达式在 Python 3 中的列表中查找字符串

Question

如何从列表中获取 base.php?id=5314？

import urllib.parse
import urllib.request
from bs4 import BeautifulSoup
url = 'http://www.fansubs.ru/search.php'
values = {'Content-Type:' : 'application/x-www-form-urlencoded',
      'query' : 'Boku dake ga Inai Machi' }
d = {}
data = urllib.parse.urlencode(values)
data = data.encode('ascii')
req = urllib.request.Request(url, data)
with urllib.request.urlopen(req) as response:
   the_page = response.read()
soup = BeautifulSoup(the_page, 'html.parser')
for link in soup.findAll('a'):
    d[link] = (link.get('href'))
x = (list(d.values()))

Answer 1

您可以将内置函数filter与regex结合使用。 例子：

import re

# ... your code here ...

x = (list(d.values()))
test = re.compile("base\.php\?id=", re.IGNORECASE)
results = filter(test.search, x)

根据评论更新：您可以将过滤结果转换为列表：

print(list(results))

具有以下硬编码列表的示例结果：

x = ["asd/asd/asd.py", "asd/asd/base.php?id=5314",
     "something/else/here/base.php?id=666"]

你得到：

['asd/asd/base.php?id=5314', 'something/else/here/base.php?id=666']

这个答案基于这个讨论过滤列表的页面。 它有更多的实现来做同样的事情，这可能更适合你。 希望能帮助到你

Answer 2

您可以将正则表达式直接传递给find_all ，它会根据带有href=re.compile(...的 href 为您进行过滤：

import re

with urllib.request.urlopen(req) as response:
    the_page = response.read()
    soup = BeautifulSoup(the_page, 'html.parser')
    d = {link:link["href"] for link in soup.find_all('a', href=re.compile(re.escape('base.php?id='))}

find_all 将只返回具有与正则表达式匹配的 href 属性的 a 标签。

这给了你：

In [21]:d = {link:link["href"] for link in soup.findAll('a', href=re.compile(re.escape('base.php?id='))}

In [22]: d
Out[22]: {<a href="base.php?id=5314">Boku dake ga Inai Machi <small>(ТВ)</small></a>: 'base.php?id=5314'}

考虑到您似乎只是在寻找一个链接，那么使用 find 会更有意义：

In [36]: link = soup.find('a', href=re.compile(re.escape('base.php?id='))

In [37]: link
Out[37]: <a href="base.php?id=5314">Boku dake ga Inai Machi <small>(ТВ)</small></a>

In [38]: link["href"]
Out[38]: 'base.php?id=5314'