2013-07-19 63 views
0

我需要解析文件和檢測空URLS 這些場景:的Python - 檢測空的URL - 使用字符串操作

href = ''(ideally) 
href  = ' ' 

兩種情況下,雖然在第二位,工作方式相同。我所做的是將文件中的所有文本轉換爲字符串變量'searchstring' .i已經使用 searchstring.find('href = '')不等於-1,對於上面的前一種情況,但如果在第二種情況下有不同的空格,我不確定我是什麼需要做,以確保我也趕上這些情況... 最初我想使用指數來搭配指數,然後 然後遍歷,但它似乎對我來說是一個辛苦的解決方案.... 它可能看起來很愚蠢,但剛剛接觸python,自從昨天開始學習。任何人都可以分享一些見解

感謝很多提前, 菲利普

回答

0

檢查長度(或更好,但在bool)的href.strip()

In [47]: href = '' 

In [48]: len(href.strip()) 
Out[48]: 0 

In [49]: bool(href.strip()) 
Out[49]: False 

In [50]: href = ' ' 

In [51]: len(href.strip()) 
Out[51]: 0 

In [52]: bool(href.strip()) 
Out[52]: False 
+0

聽起來不錯,也有串的另一種模式,我需要注意,即window.open ..... foreg window.open('HTTP ://www.google.com'); – Kruizer

+0

在這裏我需要檢測window.open是否爲空,是否有任何內置函數? – Kruizer

+0

我不知道'window.open'返回了什麼,所以我不知道如何檢查它是否爲空 – inspectorG4dget

0

你爲什麼不脫衣HREF

href = href.strip() 

或者

if href.strip(): 
    print "not empty" 
else: 
    print "empty" 
0

您可以使用re。你最好閱讀documentation

>>> import re 
>>> s='href=""adjfweofhref=" "' 
>>> pattern = re.compile(r'href=[\"\']\s*[\"\']') 
>>> pattern.findall(s) 
['href=""', 'href=" "'] 
>>> 
1

我想通過安裝BeautifulSoup開始......然後我剛過文件循環,讓它爲您做解析。

從那裏,你可以這樣做:

## import re ## Don't actually need a regex here: 

for link in soup.find_all('a'): 
    if not link.get('href').strip(): 
     print link, "... is empty or spacey" 
    ## elif re.search(r'^\s*$',link.get('href')): 
     ## print link, "... is spacey" 
+0

其實inspectorG4dget的文章提醒我可以使用.strip()來簡化它,如上所述(在我的下一個編輯) –