我正在尝试取消此RSS源的所有标题:
http://www.quora.com/Python-programming-language-1/rss
这是我的代码:
import urllib2
import re
content = urllib2.urlopen('http://www.quora.com/Python-programming-language-1/rss').read()
allTitles = re.compile('<title>(.*)</title>')
list = re.findall(allTitles,content)
for e in range(0, 2):
print list[e]
然而,我没有得到标题列表作为输出,而是从rss源代码中获取了一堆代码。我做错什么了?在
你应该用贪婪的标记吗在表达式中:
没有
?
除最后一个</title>
之外的所有文本都放在(.*)组中。。。在如前所述,您的代码缺少regexp的贪婪说明符,可以用它来修复。但我强烈建议从正则表达式切换到更适合xml解析的工具,比如lxml、BeautifulSoup或专门的rss解析模块,如feedparser。在
例如,查看如何使用lxml完成任务:
相关问题 更多 >
编程相关推荐