電子郵件查找器（網絡）

Question

這個程序將運行在一個網站上，並找到所有的電子郵件，並返回它們。

def testEmails(url): 
    'Test the emails() function' 
    email = '' 
    content = urlopen(url).read().decode() 
    pattern='[A-Za-z0-9_.]+\@[A-Za-z0-9_.]+\.' 
    for attr in content: 
     if attr[0] == 'href': 
      print(attr) 
      email+='{} '.format(attr) 
    emails = re.findall(pattern,email) 
    return emails 

我不斷收到一個空白字符串任何人都知道爲什麼？

編輯：

這是我當前的代碼：

def emails(content): 
'return list of email addresses contained in string content' 
    email = [] 
    content = urlopen(url).read().decode() 
    pattern='[A-Za-z0-9_.]+\@[A-Za-z0-9_.]+\....' 
    email.append(re.findall(pattern,content)) 
    print(email) 

，但由於某種原因，我得到：的

[['somePERSON@university.ca"']] 

代替：

['somePERSON@university.ca'] 

Answer 1

urlopen().read().decode()返回unicode s特林。因此循環遍歷它通過單個字符循環。不是您要查找的HTML屬性。您應該使用HTMLParser來提取屬性，或在整個文檔上運行re.findall（粗體，但也會以明文形式提取電子郵件地址）。