TypeError：在網頁上使用re.findall文本時的預期字符串 - 爲什麼？

Question

我正試圖學習如何使用BeautifulSoup進行屏幕刮擦。

---

from urllib import urlopen 
from BeautifulSoup import BeautifulSoup 
import re 

webpage = urlopen('http://feeds.feedburner.com/zenhabits').read() 

patFinderTitle = re.compile('<h4 class="itemtitle"><a href=(.*)</a></h4>') 

findPatTitle = re.findall(patFinderTitle,webpage) 
listIterator = [] 
listIterator[:] = range(1, 5) 

for i in listIterator: 
    print findPatTitle[i] 
    print("\n") 

---

錯誤

Traceback (most recent call last): 
File "//da-srv1/users/xxxxx/Desktop/fetcher", line 14, in <module> 
print findPatTitle[i] 
**IndexError: list index out of range** 

---

Answer 1

使用下面的表達式：

patFinderTitle.findall(webpage) 

由於re.findall只接受正則表達式作爲字符串，因此您無法執行re.findall(re.compile(<expression>), <string>)的等效操作，而re.compile(<expression>)會返回已編譯的正則表達式對象。所以你需要使用你編譯的正則表達式對象patFinderTitle並且調用它的findall()方法（見上）。

編輯：哦。結果你可以做re.findall(re.compile(<expression>), <string>)。你懂得越多。

Answer 2

您在read（）函數調用中省略了括號，因此網頁是函數而不是字符串。

webpage = urlopen('http://feeds.feedburner.com/zenhabits').read()