Python-сообщество

IRiot · Март 28, 2015 21:43:17

Доброго времени суток, форумчане. Работаю с urllib + BeautifulSoup. Поучаю список ссылок так:

for link in soup.find_all('a'):
    url = link.get('href')
    print(url)

вывод:

/home/123
/site/123456
/windows/987
/123/любойнаборцифр
/dev/456

Собственно сабж. Как мне получить ссылку вида “/123/любойнаборцифр”, которая присутствует среди тучи других. Знаю, что как то нужно использовать re, но вот как …без понятия. Оф. документация не очень то помогает, ибо только сел изучать язык. Заранее благодарен за любой ответ.

terabayt · Март 28, 2015 21:55:47

а какое правило (условие)?
почему именно “/123/любойнаборцифр”?

или же вам нужно получить объект ссылка которого /123/любойнаборцифр?

————————————————
-*- Simple is better than complex -*-

Отредактировано terabayt (Март 28, 2015 22:02:53)

IRiot · Март 28, 2015 22:03:34

Просто на страничке которую я парсю имееются туча ссылок, среди которых есть ссылка вида: “/123/любойнаборцифр”. Т.е после последнего слэша в ссылке каждый раз может быть рандомное число. Я не знаю как её выудить оттуда. Мне нужно получить просто эту строку(ссылку) на вывод. Надеюсь ответил на ваш вопрос, хоть и не совсем его понял.

Отредактировано IRiot (Март 28, 2015 22:08:17)

terabayt · Март 28, 2015 22:23:01

import re
# . . .
# ваш код
# . . .
for link in soup.find_all('a', href=re.compile('^/123/')):
    url = link.get('href')
    print(url)

————————————————
-*- Simple is better than complex -*-

IRiot · Март 28, 2015 22:25:55

Большое спасибо. Проблема решена.

IRiot · Март 29, 2015 00:20:47

Дабы не создавать новой темы, еще вопрос по регуляркам. Имеется строка:

<img class="user" src=//owl.123.ru/pic?data=123123&width=32&height=32>

Пытаюсь извлечь содержимое data (т.е 123123, которое всегда разное) так:

data = soup.find('img', src = re.compile(r'data=(.+?)&'))	
a = data.get('src')
print(a)

Вместо вывода 123123, выводит src=//owl.123.ru/pic?data=123123&width=32&height=32. В чем проблема? Как это можно решить? Заранее благодарю за любой ответ.

Отредактировано IRiot (Март 29, 2015 00:21:45)

terabayt · Март 29, 2015 00:58:22

IRiot
В чем проблема?

вы получаете src. никакой проблемы нету

IRiot
Как это можно решить?

>>> import urllib.parse
>>> urllib.parse.parse_qs(urllib.parse.urlparse('//owl.123.ru/pic?data=123123&width=32&height=32').query)
{'height': ['32'], 'data': ['123123'], 'width': ['32']}
>>> urllib.parse.parse_qs(urllib.parse.urlparse('//owl.123.ru/pic?data=123123&width=32&height=32').query)['data'][0]
'123123'

————————————————
-*- Simple is better than complex -*-

Отредактировано terabayt (Март 29, 2015 00:58:58)

IRiot · Март 29, 2015 12:57:56

Огромное вам спасибо

py.user.next · Март 29, 2015 13:21:15

>>> import re
>>> 
>>> s = r'src=//owl.123.ru/pic?data=123123&width=32&height=32'
>>> 
>>> out = re.search(r'data=(\d+)', s).group(1)
>>> out
'123123'
>>>

terabayt · Март 29, 2015 13:57:54

py.user.next

>>> import re 
>>> s = r'src=//owl.123.ru/pic?lala_no_data=123123&data=9999&width=32&height=32'
>>> print re.search(r'data=(\d+)', s).group(1)
123123

————————————————
-*- Simple is better than complex -*-

Python-сообщество

Уведомления

#1 Март 28, 2015 21:43:17

Регулярки. Получение ссылки.

#2 Март 28, 2015 21:55:47

Регулярки. Получение ссылки.

#3 Март 28, 2015 22:03:34

Регулярки. Получение ссылки.

#4 Март 28, 2015 22:23:01

Регулярки. Получение ссылки.

#5 Март 28, 2015 22:25:55

Регулярки. Получение ссылки.

#6 Март 29, 2015 00:20:47

Регулярки. Получение ссылки.

#7 Март 29, 2015 00:58:22

Регулярки. Получение ссылки.

#8 Март 29, 2015 12:57:56

Регулярки. Получение ссылки.

#9 Март 29, 2015 13:21:15

Регулярки. Получение ссылки.

#10 Март 29, 2015 13:57:54

Регулярки. Получение ссылки.

Board footer