使用Python从网页选择特定文本

Question

虽然我很喜欢这个程序，但我对Calibre每周更新的习惯感到非常厌烦。为了应对这个问题，我正在尝试用一个Python脚本来自动化这个过程。

我已经成功打开了文档，但我在找出如何从中提取特定字符串方面遇到了困难。因为Calibre的下载链接是依赖于需要获取的版本号。目前第218行包含以下内容：

       <a href="/projects/calibre/files/latest/download?source=files" title="/0.8.34/calibre-portable-0.8.34.zip:  released on 2012-01-06 07:22:08 UTC">

我需要从这一行中提取出“calibre-ebook.0.8.34”。有没有什么建议可以让我做到这一点？

import urllib2
print("Calibre is Updating")
url = urllib2.urlopen ( "http://sourceforge.net/projects/calibre/files" ).read()
print(url)

Answer 1

这是对你代码的一个修改：

import urllib2
import re

print("Calibre is Updating")
url = urllib2.urlopen ( "http://sourceforge.net/projects/calibre/files" ).read()

result = re.search('title="/[0-9.]*/([a-zA-Z\-]*-[0-9\.]*)', url).groups()[0][:-1]
print(result)

我在这里使用的是 re模块，它可以帮助我们找到符合你要求的字符串，并把它保存到一个叫 result 的地方。

最后，我把结果的最后一个字符去掉，因为我的正则表达式多保存了一个点。只要有耐心，你可以把结果精确到你真正需要的内容。