为什么我程序里的 ( ? P<name> ) 无法用group（‘name’）调用呢？

宝贝归来

在Python 正则表达式的视频里，可以用（？P：<name>）给组命名，
而且还可以用 m. group('name') 来查看组
但是我这个程序就是报错，无法调用！

这个程序是用来获取 ip 和 端口号 的，我想把正则表达式里面获取 ip 的组命名为 <ip>, 把获取端口号的组命名为 <kou> ,并在后面使用 group（'ip','kou'）来查看获取到的内容。

程序代码（获取ip 端口号 kou）

1. import urllib.request
   
2. import re      # 正则表达式 模块
   
3. 
   
4. def open_url(url):  # 网页打开读取
   
5.     W1 = urllib.request.Request(url)
   
6.     W1.add_header('User-Agent','Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.154 Safari/537.36 LBBROWSER')
   
7.     W2 = urllib.request.urlopen(W1)
   
8.     W3 = W2.read().decode('utf-8')
   
9.     return W3
   
10. 
    
11. def get_ip(W3):    #  在网页找ip
    
12. 
    
13.     p = re.compile(r'''(?P<ip>((\d?\d?\d)[.]){3}(\d?\d?\d)) # 匹配ip
    
14.     ([^"]*)
    
15.     (?P<kou>\d?\d?\d?\d) # 匹配端口号 kou  
    
16.     ''',re.X)
    
17. 
    
18.     m = p.findall(W3)
    
19.     print(m.group('ip','kou'))
    
20. 
    
21. 
    
22.         
    
23. if __name__ == '__main__':
    
24.     url = 'http://www.xicidaili.com/'
    
25.     get_ip(open_url(url))
    

复制代码

报错内容

1. >>>
   
2. Traceback (most recent call last):
   
3.   File "C:\Users\Administrator\Desktop\060-3-(下载IP列表-高匿).py", line 28, in <module>
   
4.     get_img(open_url(url))
   
5.   File "C:\Users\Administrator\Desktop\060-3-(下载IP列表-高匿).py", line 19, in get_img
   
6.     print(m.group('ip','kou'))
   
7. AttributeError: 'list' object has no attribute 'group'
   
8. >>>

复制代码

卡在这里好久了，始终研究不出来。

希望大神能帮忙修改一下程序！

小剑剑

宝贝归来 发表于 2016-5-15 21:36
又有了一个新问题：我只想要“高匿”的ip

目前的正则表达式是这样的

1. import urllib.request
   
2. import re      
   
3. 
   
4. def open_url(url):  
   
5.     W1 = urllib.request.Request(url)
   
6.     W1.add_header('User-Agent','Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.154 Safari/537.36 LBBROWSER')
   
7.     W2 = urllib.request.urlopen(W1)
   
8.     W3 = W2.read().decode('utf-8')
   
9.     return W3
   
10. 
    
11. a=open_url("http://www.xicidaili.com/")
    
12. b=re.findall(r'''<td class="country"><img src="http://fs\.xicidaili\.com/images/flag/cn\.png" alt="Cn" /></td>\n.+?\n.+?\n.+?\n.+?高匿''',a)
    
13. c=[]
    
14. for i in b:
    
15.     d=re.findall(r"\d+",i)
    
16.     e=d[0]+'.'+d[1]+'.'+d[2]+'.'+d[3]+'   '+d[4]
    
17.     c.append(e)
    
18. 
    
19. 
    
20. 
    

复制代码

撸主把问题想复杂了，没必要一次就找出所有要的信息，
先找出高匿的
至于2位数字与4位数字用   \d+  就可以 默认是贪婪模式
我不是大神

小剑剑

佷明显啊，他说列表没有ground方法啊，这个ground好像是用re.search得到的匹配对象的方法吧
findall就返回一个列表，拿来ground方法呢

小剑剑

佷明显啊，他说列表没有ground方法啊，这个ground好像是用re.search得到的匹配对象的方法吧
findall就返回一个列表，拿来ground方法呢

宝贝归来

小剑剑 发表于 2016-5-15 17:12
佷明显啊，他说列表没有ground方法啊，这个ground好像是用re.search得到的匹配对象的方法吧
findall就返回 ...

那 findall 就没有办法使用 命名组了么？
另外我刚刚发现，端口号 有的是 8888， 有的是 80
我用 （\d?\d?\d?\d） 遇到 8888 的时候只能匹配到一个 "8"
    用（\d?\d?\d\d） 的时候 却又只能匹配到 “88”
该如何解决呢？

宝贝归来

又有了一个新问题：我只想要“高匿”的ip

目前的正则表达式是这样的

1. p = re.compile(r'''(?P<ip>(?:(?:\d?\d?\d)[.]){3}(?:\d?\d?\d)) # 匹配ip
   
2. (?:[^"]*)
   
3. (?P<kou>(?:\d\d\d\d)) # 匹配端口号 kou
   
4.                                   # 只匹配含有“高匿”项的ip
   
5. ''',re.X|re.S)

复制代码

网页审查代码

1. <tr class="odd">
   
2.     <td class="country"><img src="http://fs.xicidaili.com/images/flag/cn.png" alt="Cn"></td>
   
3.     <td>218.59.114.164</td>
   
4.     <td>8118</td>
   
5.     <td>山东烟台</td>
   
6.     <td class="country">高匿</td>     # 不同类型的ip （有“高匿”的，也有“透明”的）
   
7.     <td>HTTP</td>

复制代码

网址
http://www.xicidaili.com/


问大神：如何修改上面的那个正则表达式，让它只匹配含有“高匿”项的 ip 呢？

爱，不解释

加油

Raizel

我也刚刚开始学习，加油！

宝贝归来

小剑剑 发表于 2016-5-15 23:05
撸主把问题想复杂了，没必要一次就找出所有要的信息，
先找出高匿的
至于2位数字与4位数字用   \ ...

谢谢大神、一下子又学会了好多知识，
另外还有最后一个问题！
刚刚我自己调试的时候，发现这里：

1. alt="Cn" /></td>    # 这里“Cn”的后面为什么要加上“空格 和 除号”呢？“ /”

复制代码

而且如果不加这个的话，程序无法实现，这里是怎么回事，好深奥？

小剑剑

宝贝归来 发表于 2016-5-16 10:35
谢谢大神、一下子又学会了好多知识，
另外还有最后一个问题！
刚刚我自己调试的时候，发现这里：

额，你想多了，不是我要加空格而是他本身就有，你把 W3用记事本保存下来看看
我不是大神

宝贝归来

小剑剑 发表于 2016-5-16 13:05
额，你想多了，不是我要加空格而是他本身就有，你把 W3用记事本保存下来看看
我不是大神

谢谢你啦，另外我知道为什么“审查元素”和用Python 读取的“W3”不一样了！
因为，审查元素 和 查看网页源码 还是有一点区别的，这个区别可以说是源代码和DOM的区别，我们审查元素，实际上是查看DOM，DOM渲染过了，查看网页源码看到的才是未解析的源代码，也就是我们用Python读取到的代码~。
所以，以后用爬虫的时候还是要看网页源代码才行~