La recherche par le biais de la page web

Hé, je suis en train de travailler sur un projet de Python qui exige que je regarde à travers une page web. Je veux regarder à travers pour trouver un texte spécifique et si elle trouve le texte, puis il imprime quelque chose. Si non, il imprime un message d'erreur. J'ai déjà essayé avec différents modules tels que libxml, mais je ne peux pas savoir comment j'allais le faire.

Quelqu'un pourrait-il prêter un peu d'aide?

  • Avez-vous de la recherche dans l'ensemble de la page web (y compris les balises HTML) ou dans le texte que vous pouvez voir lorsque vous visitez la page avec un navigateur?
InformationsquelleAutor AustinM | 2011-02-07
  1. 4

    Vous pourriez faire quelque chose de simple comme:

    
import urllib2
import re

html_content = urllib2.urlopen('http://www.domain.com').read()

matches = re.findall('regex of string to find', html_content);

if len(matches) == 0: 
   print 'I did not find anything'
else:
   print 'My string is in the html'
    • Regex n'est pas le bon outil,quand il s'agit de la recherche/parse (x)html.stackoverflow.com/questions/1732348/...
    • Si vous souhaitez analyser le DOM, bien sûr je suis d'accord que la regex n'est pas la bonne approche. Cela dit, si vous voulez trouver un extrait de texte sur n'importe quel texte blob, je suggère d'utiliser des expressions régulières. Si le texte est en html ou pas, il n'a pas vraiment d'importance si vous êtes à la recherche d'un modèle spécifique.
    InformationsquelleAutor dplouffe
  2. 3

    lxml est génial: http://lxml.de/parsing.html

    Je l'utilise régulièrement avec xpath pour l'extraction des données à partir de l'html.

    L'autre option est http://www.crummy.com/software/BeautifulSoup/ qui est très bien aussi.

    InformationsquelleAutor Bassdread