Python Regex 搜索三个词答案

【问题标题】：Python Regex Search for three termsPython Regex 搜索三个词
【发布时间】：2015-07-07 10:52:20
【问题描述】：

我是 Python 和 Regex 的新手，有点困惑。我想在网页标题中搜索三个不同的术语，如果标题与我想要打印出来的标题匹配（我使用的是scrapy，所以它会为每个项目打印它）。我不确定我们如何让它通过三个术语进行搜索？例如，如果标题有“Dresses|Wallets|Pumps”打印出来。

现在我只是打印标题中的第一个词

c_raw = response.xpath('//title').extract()
c_re = re.search('<title>(.*?) |.*?', c_raw[0])
c = c_re.group(1).lower()

我试过了

c_raw = response.xpath('//title').extract()
c_re = re.search('Dresses|Wallets|Pumps', c_raw[0])
c = c_re.group(0)

但有些 c 的打印没有。我也不确定c_raw[0] 在做什么？ 0 有什么作用？任何帮助将不胜感激！

编辑：虽然以下答案有所帮助 - 在 Dresses|Wallets|Pumps 周围添加括号也有效

【问题讨论】：

在正则表达式周围添加括号有帮助吗？喜欢(Dresses|Wallets|Pumps)
@rednaw 这实际上修复了它！
在解析网页时，您应该尝试使用像 BeautifulSoup 这样的 XML 解析器，而不是正则表达式。

标签： python regex

【解决方案1】：

这是一个正则表达式，它将找出您的哪些（如果有）标题关键字出现在c_raw：

regex = re.compile("(?:Dresses)|(?:Wallets)|(?:Pumps)")
print regex.findall(c_raw)

(?:Dresses)等的格式，只是表示括号内的字母按照它们一起出现的顺序匹配，但不要将它们保存为正则表达式组。

至于c_raw[0]在做什么，基本上c_raw是一个字符串。在 python 中，您可以将字符串视为字符数组。所以，c_raw[0] 是说，给我数组 c_raw 的第 0 个索引——即获取 c_raw 的第一个字符

【讨论】：

【解决方案2】：

从 scrapy shell 尝试这个演示，

In [1]: text = "<title>Testing test Pumps abc asdf a</title>"

In [2]: sel = Selector(text=text)

In [3]: sel.xpath('//title').re('Dresses|Wallets|Pumps')
Out[3]: [u'Pumps']

我已经为选择器对象输入了一个 html，因为您没有提供任何特定的 start-url

【讨论】：