从网页获取信息

Question

我想制作脚本，以便首先从网页获取信息页面http://whois.arin.net/rest/nets;q=74.125.232.147?showDetails=true&showARIN=false

所以我想获得NetRange和Name以及CIDR，所以我创建了这段代码

import sys,urllib,re
J="http://whois.arin.net/rest/nets;q=74.125.232.147?showDetails=true&showARIN=false"
A=urllib.urlopen(J)
AB=A.read()
A.close()
B=re.match("NetRange",AB)
print B

并且没有打印出信息;（

Answer 1

B是重新匹配对象。你真正想要的是表格单元格的价值，旁边是"NetRange"。为此，您可以使用像Beautiful Soup这样的HTML / XML解析器。

此外，关于风格的说明，因为这是作业的事实表明你是编程的新手：有意义的变量名称值得你输入它们所花费的精力。

Answer 2

您可能想要重新访问您要搜索的内容，因为它甚至不会返回到返回的数据中。

>>> import urllib
>>> J="http://whois.arin.net/rest/nets;q=74.125.232.147?showDetails=true&showARIN=false"
>>> resp = urllib.urlopen(J)
>>> resp.code
200
>>> data = resp.read()
>>> 'NetRange' in data
>>> False

此外，请查看Python's re module的文档，特别是search() vs. match()部分。在这种情况下，您需要search()，而不是match()。

Answer 3

不幸的是，正则表达式非常不足。您应该将该页面的 XML 源复制并粘贴到文本编辑器中并进行检查。首先，要认识到它是由XSLT设计的XML。你有没有在课堂上介绍过XML？如果是这样，您应该知道需要使用正确的XML解析器，例如elementtree，以使这更容易，更好，更可靠。

如果出于某种原因，必须将其作为正则表达式执行（实际上，除非是类要求，否则您需要）修改您的方法。也许把它放在re-try中以帮助你开发你的正则表达式。至少你需要使用括号来捕获值。以下是另一个网站http://api.hostip.info/?ip=4.8.42.19

的示例

countryMatches = re.findall(r"""<countryName>(.+)</countryName>""", AB)
if countryMatches:
    country = countyMatches.group(0)[0] #first match, first (only) group)

另外，请使用更好的变量名称。一封信真的很糟糕。你的代码很难阅读，只会因为工作量增加而变得更难。