python基础教程：基于Python正则表达式提取搜索结果中的站点地址

最新推荐文章于 2023-12-22 14:51:46 发布

原创最新推荐文章于 2023-12-22 14:51:46 发布 · 1.6k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#编程语言 #python

python 专栏收录该内容

106 篇文章

订阅专栏

本文介绍如何使用Python正则表达式从Google高级搜索的结果中提取站点地址。通过分析页面源码，利用开发工具找到目标信息所在的HTML标签，编写正则表达式实现提取。代码示例展示在Python3.2环境下操作，强调了自学Python及提升计算机基础的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

@本文来源于公众号：csdn2299，喜欢可以关注公众号程序员学府
正则表达式对于Python来说并不是独有的，最近在把google搜索的结果中所有的站点地址导出，于是想到用python正则表达式提取搜索结果中的站点地址。

这其中涉及几个需要解决的问题：

1、获取搜索的结果文本

为了获得更多的地址，我使用了Google的高级搜索功能，每个页面显示100条结果。

获得显示的结果后，可以查看源码，并保持成文本文件就有了搜索的结果文本

2、分析如何提取站点信息

首先需要分析获取的页面，查看以怎样的方式可以提取出站点信息。

我使用IE8自带的开发工具（按F12就会弹出来）中的探查器功能查看自己要关心的内容有什么特殊的格式在这里插入图片描述
从上图可以看出我需要的站点在标签中，所以我使用正则表达式提取这其中的文本是否就可以呢？

3、编写正则表达式来获取站点地址

接下来的就是写表达式了，我使用Python3.2编写的，方便好用（_{_}）

代码如下，先把搜索结果页面保持到e:/t3.txt中，在执行如下代码

import re
p = re.compile(r'<cite>([^<>\/].+?)</cite>')
f = open("e:/t3.txt", encoding='utf-8')
content = f.read()
print ("\n".join(p.findall(content)))

运行如下：在这里插入图片描述
非常感谢你的阅读
大学的时候选择了自学python，工作了发现吃了计算机基础不好的亏，学历不行这是
没办法的事，只能后天弥补，于是在编码之外开启了自己的逆袭之路，不断的学习python核心知识，深入的研习计算机基础知识，整理好了，如果你也不甘平庸，那就与我一起在编码之外，不断成长吧！
其实这里不仅有技术，更有那些技术之外的东西，比如，如何做一个精致的程序员，而不是“屌丝”，程序员本身就是高贵的一种存在啊，难道不是吗？[点击加入]想做你自己想成为高尚人，加油！