在 defaultdict 中访问一个值并剥离 i 的网址部分

Question

我有一个非常大的defaultdict，它在dict中有一个dict，内部dict包含来自电子邮件主体的html。我只想从内部dict中返回一个http字符串。提取它的最佳方法是什么？你知道吗

在使用regex之前是否需要将dict转换为另一个数据结构？有更好的办法吗？我对Python还是相当陌生的，很欣赏任何指点。你知道吗

例如，我的工作内容：

defaultdict(<type 'dict'>, {16: {u'SEQ': 16, u'RFC822': u'Delivered-To: 
somebody@email.com      LOTS MORE HTML until http://the_url_I_want_to_extract.com' }}

我试过的一件事就是关于芬德尔在不起作用的defaultdict上：

confirmation_link = re.findall('Click this link to confirm your registration:<br />"
(.*?)"', body)

for conf in confirmation_link:
    print conf

错误：

line 177, in findall
return _compile(pattern, flags).findall(string)
TypeError: expected string or buffer

Answer 1

只有在对字典进行相应值的迭代之后，才能使用正则表达式：

import re

d = defaultdict(<type 'dict'>, {16: {u'SEQ': 16, u'RFC822': u'Delivered-To: somebody@email.com      LOTS MORE HTML until http://the_url_I_want_to_extract.com' }}

for k, v in d.iteritems():
    #v is the dictionary that contains your html string:
    str_with_html = v['RFC822']

    #this regular expression starts with matching http, and then 
    #continuing until a white space character is hit.
    match = re.search("http[^\s]+", str_with_html)
    if match:
        print match.group(0)

输出：

http://the_url_I_want_to_extract.com