Python:从HTML中提取行

Question

我对Python很陌生。。。在

我正在编写一个代码，它使用urllib2库搜索某个网页。我正在使用命令re.findall搜索此网页上的特定字符串。但是，我不想提取这些特定的字符串，而是要提取这些字符串所在的整行。在

例如，假设我在一个网页上搜索单词“hello”，它看起来像这样：

Hello, my name is Bob. I am Bob.

My friend is Jane.

My name is Jane... hello!

我想提取其中包含“hello”的行。（这意味着我要提取第一行和第三行。）这是我在下面使用的，这显然是错误的，因为它只提取单词，而不是单词出现的整行：

Page_Content = urllib2.urlopen(My_URL).read()
Matches = re.findall("hello", Page_Content)

如何修改此代码以提取整行代码？我要用某种for循环逐行搜索吗？如果是这样，我该怎么做呢？在

^{pr2}$

是吗？在

Answer 1

我喜欢Eran的方法，但这里有另一种方法，它使用regex更频繁一些，并且避免使用for循环：

pattern = re.compile("\n.*hello.*\n")
matching_lines = re.findall(pattern, Page_Content)

通过用\n包围模式，我们确保匹配了一整行。.*是表示“零个或多个任意字符”的regex，因此它将匹配其中包含“hello”的任何行。在

Answer 2

对于regex问题，可以遍历该文件并使用搜索在

for line in content:
   if re.search("hello",line):
      print line

或者更好的方法是先编译re

^{pr2}$