Das deutsche Python-Forum

Jurudoca hat geschrieben:

Code: Alles auswählen

    p = re.compile('(?<=href=")(.*?)(?=")')
    link_matches = p.findall(html)
    for a in link_matches:
        if a != re.compile('(?<=href=")(.*?)(?=")'):
            print a

Jurudoca hat geschrieben:an welcher Stelle kompiliert er das Pattern? *aufSchlauchSteh*...Das soll er ja nur in bezug auf a..?

if a != re.compile('(?<=href=")(.*?)(?=")'):

Jurudoca hat geschrieben:@ me: dank Dir. ich glaube ich weiss was du meinst. Der Ausdruck steht für sich und macht rein gar nichts ;-P ? Wie kann ich erreichen, das er was macht? Mit re.search?

/me hat geschrieben: Ich verstehe dein Problem gerade nicht. Du hast compile doch drei Zeilen darüber bereits korrekt verwendet.

p = re.compile('(?<=href=")(.*?)(?=")')
    link_matches = p.findall(html)
    for a in link_matches:
        if a != re.compile('(?<=href=")(.*?)(?=")'): # HIER WILL ICH, DASS a GEPRÜFT WIRD, OB ES MIT DEM RE.PATTERN ÜBEREINSTIMMT UND WENN JA, DANN PRINTET... DA ABER DAS MUSTER AUF ALLE LINKS ZUTRIFFT, DÜRFTE ER NICHTS AUSGEBEN ODER?...UND DAS FUNKTIONIERT NICHT 
            print a

cofi hat geschrieben:Nein, html5lib ist "nur" ein Parser. Warum sollte es sich das auch aufbinden, wenn es eine schon eine funktionierende Infrastruktur in der Stdlib gibt?

hyperion hat geschrieben:Sinnvollerweise parst man HTML-Seiten mit einem entsprechenden Parser. lxml oder html5lib o.ä. Damit kannst Du Dir leicht alle Links rausfiltern und dann kommst Du ohne regExp an den Wert des href-Attributs. Bei diesem musst Du dann gucken, wie du die URL zerlegst.

Jurudoca hat geschrieben:

Code: Alles auswählen

p = re.compile('(?<=href=")(.*?)(?=")')
    link_matches = p.findall(html)
    for a in link_matches:
        if a != re.compile('(?<=href=")(.*?)(?=")'): # HIER WILL ICH, DASS a GEPRÜFT WIRD, OB ES MIT DEM RE.PATTERN ÜBEREINSTIMMT UND WENN JA, DANN PRINTET... DA ABER DAS MUSTER AUF ALLE LINKS ZUTRIFFT, DÜRFTE ER NICHTS AUSGEBEN ODER?...UND DAS FUNKTIONIERT NICHT

/me hat geschrieben: Dann kommen wir mal zu einer Verständnisfrage. Was glaubst du, was dir re.compile(...) als Ergebnis liefert?

/me hat geschrieben: Falls du meinst, dass es die gefundenen Muster sind, dann überlege dir, wofür du weiter oben findall(...) verwendet hast und denk noch mal darüber nach.

from httplib import *
import re
def getLinks(url):
    verb = HTTPConnection(url)
    verb.request('GET','/')
    antw = verb.getresponse()
    html = antw.read()

    p = re.compile('(?<=href=")(.*?)(?=")')
    link_matches = p.findall(html)
    for a in link_matches:
        i = p.findall(a)
        print i

getLinks('www.spiegel.de')