我urllib2用来在页面中阅读。我需要对源代码进行快速正则表达式并提取一些变量，但urllib2呈现为文件对象而不是字符串。
我是 python 新手，所以我很难了解如何使用文件对象来执行此操作。有没有一种快速的方法可以将其转换为字符串？
Oli
问问题
48319 次
3 回答
77
您可以在交互模式下使用 Python 来搜索解决方案。
如果f是你的对象，你可以进入dir(f)查看所有的方法和属性。有一个叫read。Enterhelp(f.read)并告诉您这f.read()是从文件对象中检索字符串的方法。
于 2008-12-06T12:47:18.957 回答
14
从文档file.read()（我的重点）：
文件读取（[大小]）
从文件中读取最多 size 个字节（如果读取在获得 size 个字节之前达到 EOF，则更少）。如果 size 参数为负数或省略，则读取所有数据，直到达到 EOF。字节作为字符串对象返回。立即遇到 EOF 时返回一个空字符串。（对于某些文件，如 ttys，在 EOF 被命中后继续读取是有意义的。）请注意，此方法可能会多次调用底层 C 函数 fread 以获取尽可能接近 size 的字节。另请注意，在非阻塞模式下，即使没有给出大小参数，返回的数据也可能少于请求的数据。
请注意，对大字符串对象进行正则表达式搜索可能效率不高，并考虑使用file.next()逐行进行搜索（文件对象是它自己的迭代器）。
于 2008-12-06T13:07:39.833 回答
5
Michael Foord，又名 Voidspace 有一个关于 urllib2 的优秀教程，你可以在这里找到： urllib2 - The Missing Manual
您所做的应该非常简单，请注意以下示例代码：
import urllib2
import re
response = urllib2.urlopen("http://www.voidspace.org.uk/python/articles/urllib2.shtml")
html = response.read()
pattern = '(V.+space)'
wordPattern = re.compile(pattern, re.IGNORECASE)
results = wordPattern.search(html)
print results.groups()
于 2008-12-06T13:17:59.300 回答