hallo welt!
momentan verwende ich:
'[Michael|Michaela] ist der Name für ([den|die]+ .*?)\. '
bei einem sinnlosen bsp text wie
"bla... Michaela ist der Name für die weibliche Person. Das Verwenden von Michael ist der Name für den Fehl-Treffer in diesem Fall mit der Nr.1, oder? bla. ..."

->"die ...

hallo welt!
hab auf das python cookbook zurückgegriffen und die klasse und funktion zum entfernen von htmltags aus einem html dokument verwendet, sodass ich den plaintext einer site erhalte. doch leider werden sämtliche dinge nicht berücksichtigt. hier einfach mal die klasse:
class StrippingParser ...

danke.
vor und nach ...: wort=re.compile(r'( |^)'+wort_x+'( |^)',re.I)
klappt bestens!

joe: 0 müsste rauskommen, da in dem text kein einziges mal abc alleine auftritt ohne buchstaben davor/danach

hallo welt!
(in diesem fall kann ich nicht auf regexp verzichten, da das ganze noch erweitert wird...falls Ihr mich davon abbringen wollt...)
zum ermitteln aller wörter verwende ich: re.compile('[\wäüöÄÜÖ]+',re.I)
das klappt auch bestens. doch wie kann ich nun noch die anzahl eines jeden wortes ...

hallo welt!
momentan nutze ich trivialer weise urllib zum download von dateien:
def download(url):
src=urllib.urlopen(url).read()
return src

doch nun benötige ich sowohl ein timeout limit, sodass nicht länger als 1 min an einer datei geladen wird, und ein dateigrößenlimit, damit maximal die ...

danke!

irgendwie gibt es probleme z.b. beim aufruf von ip-ermitteln.de
was kann ich hierbei tun?

hallo welt!
bin einsteiger in python und will in meinem aktuellen testscript alle urls einer html seite zuverlässig extrahieren.
habe lange mit regexp herumexperimentiert und will es nun noch mit dem parser von sgmllib versuchen. allerdings will das nicht so einfach klappen:

class LinkExtractor ...