Regex Matching Error

Question

Jestem nowy w Pythonie (nie mam też żadnego szkolenia programistycznego), więc proszę o tym pamiętać, gdy zadaję moje pytanie.

Próbuję wyszukać pobraną stronę i znaleźć wszystkie linki przy użyciu określonego wzorca. Zrobiłem to z powodzeniem w innych skryptach, ale otrzymuję błąd, który mówi

raise error, v # invalid expression 

sre_constants.error: multiple repeat

muszę przyznać, że nie wiem, dlaczego, ale znowu, jestem nowy w Pythonie i wyrażeń regularnych. Jednak nawet jeśli nie używam wzorców i używam określonego linku (tylko do przetestowania dopasowania), nie wierzę, że zwracam jakiekolwiek dopasowania (nic nie jest wysyłane do okna podczas drukowania match.group (0). testowałem jest wypowiedziało się poniżej.

pomysłów? to zwykle jest mi łatwiej uczą się przez przykład, ale wszelkie porady można dać mile widziana!

Brock

import urllib2 
from BeautifulSoup import BeautifulSoup 
import re 

url = "http://forums.epicgames.com/archive/index.php?f-356-p-164.html" 
page = urllib2.urlopen(url).read() 
soup = BeautifulSoup(page) 

pattern = r'<a href="http://forums.epicgames.com/archive/index.php?t-([0-9]+).html">(.?+)</a> <i>((.?+) replies)' 
#pattern = r'href="http://forums.epicgames.com/archive/index.php?t-622233.html">Gears of War 2: Horde Gameplay</a> <i>(20 replies)' 

for match in re.finditer(pattern, page, re.S): 
    print match(0) 

Answer 1

import urllib2 
import re 
from BeautifulSoup import BeautifulSoup 

url = "http://forums.epicgames.com/archive/index.php?f-356-p-164.html" 
page = urllib2.urlopen(url).read() 
soup = BeautifulSoup(page) 

# Get all the links 
links = [str(match) for match in soup('a')] 

s = r'<a href="http://forums.epicgames.com/archive/index.php\?t-\d+.html">(.+?)</a>' 
r = re.compile(s) 
for link in links: 
    m = r.match(link) 
    if m: 
     print m.groups(1)[0] 

Answer 2

Musisz uciec od literału "?" i literału "(" i ")", który próbujesz dopasować.

Również, zamiast "? +", Myślę, że szukasz nie-chciwego dopasowywania podanego przez "+?".

More documentation here.

Twoim przypadku, spróbuj tego:

pattern = r'<a href="http://forums.epicgames.com/archive/index.php\?t-([0-9]+).html"> (.+?)</a> <i>\((.+?) replies\)' 

Answer 3

to oznacza wyrażenie regularne ma błąd.

(.?+)</a> <i>((.?+) 

Co oznacza? Obie ? i + są znakami meta, które nie mają sensu obok siebie. Może zapomniałeś uciec przed "?" lub coś.

Answer 4

Aby rozszerzyć na to, co inni napisali:

.? oznacza „jeden lub zero jakiegokolwiek charakteru”

+ oznacza „jeden lub więcej charakteru”

Jak można zobaczyć z nadzieją, łącząc dwa nie ma sensu.; są to różne i sprzeczne znaki "powtórzyć". Więc twój błąd dotyczący "wielokrotnych powtórzeń" jest taki, że połączyłeś te dwie "powtórzone" znaki w swoim regularnym wyrażeniu. Aby to naprawić, po prostu zdecyduj, którego chcesz używać, i usuń drugie.

Answer 5

Podczas odkrywania, parsowanie dowolnego kodu HTML nie jest łatwe. To właśnie robią pakiety takie jak Beautiful Soup. Pamiętaj, że wywołujesz go w swoim skrypcie, ale nie używasz wyników. Zapoznaj się z jego dokumentacją here, aby dowiedzieć się, jak ułatwić sobie zadanie!