使用 BeautifulSoup 和正则表达式解析时出现意外结果答案

【问题标题】：Unexpected result when parsing with BeautifulSoup and regex使用 BeautifulSoup 和正则表达式解析时出现意外结果
【发布时间】：2017-05-09 08:02:15
【问题描述】：

我正在玩 BeautifulSoup 库。我试图解析来自该网站的电子邮件，但得到了意想不到的结果。这是我的代码：

from urllib.request import urlopen
from urllib.error import HTTPError
from urllib.error import URLError

from bs4 import BeautifulSoup
import re
from urllib.parse import quote 

startUrl = "http://getrocketbook.com/pages/returns"
try:
    html = urlopen(quote((startUrl).encode('utf8'), ':/?%#_'))
    bsObj = BeautifulSoup(html, "html.parser")
    alls = bsObj.body.findAll(text=re.compile('[A-Za-z0-9\._+-]+@[A-Za-z0-9\.-]+'))
    for al in alls:
        print(al)
except HTTPError:
    pass
except URLError:
    pass

我希望只解析一封电子邮件，但实际上我解析了这个句子：

If you’ve done all of this and you still have not received your refund yet, please contact us at hello@getrocketbook.com.

知道我做错了什么吗？

【问题讨论】：

标签： python regex beautifulsoup

【解决方案1】：

这是因为findAll() 查找实际元素或文本节点，而不是单独的单词。

您需要做的是将相同的编译正则表达式应用于结果：

pattern = re.compile('[A-Za-z0-9\._+-]+@[A-Za-z0-9\.-]+')
alls = bsObj.body.find_all(text=pattern)
for al in alls:
    print(pattern.search(al).group(0))

另外，由于那里只有一封电子邮件，请查看是否可以改用find() 方法。

【讨论】：