求助正则表达式

dengdengda

我想提取HTML页面里面的下载地址（迅雷以及主力两类八个链接）
https://vip5.45yun.net/file/2021/07/27/a31c15aa32bed807f9cc564b36607023.7z/ijfns4517.7z?t=282663&e=1628090682&st=sfDD1l9TLenF6bQHvna-aA

大概长这样
在线测试好好的，但是写到Python里面就不行了

源码一贴地址就不见了，附件还传不上来，只能放度盘了

希望各位大神不要嫌麻烦，有空的话帮我看看，感激不尽

链接：https://pan.baidu.com/s/1eFCXqPSI686iQ_X4qlLKag 提取码：f7fl

leoking0001

链接地址打不开，你这种发求助的，不贴币不一定有人理的，建议而已

ShiratoriAira

没有8个链接，只有6个

[Python] 纯文本查看 复制代码

#!/usr/bin/env python3
import re

from pathlib import Path
from urllib.parse import unquote

s = (Path.cwd() / '待匹配.txt').read_text(encoding='utf-8')
p = re.compile(r'https?://.+?\.45yun\.net/[^"]+')
url_list = [unquote(x).replace('&', '&') for x in p.findall(s)]
print('\n'.join(url_list))
print(len(url_list))

[Bash shell] 纯文本查看 复制代码

https://vip5.45yun.net/file/2021/07/27/a31c15aa32bed807f9cc564b36607023.7z/ijfns4517.7z?t=282663&e=1628090682&st=sfDD1l9TLenF6bQHvna-aA
https://us5.45yun.net/file/2021/07/27/a31c15aa32bed807f9cc564b36607023.7z/ijfns4517.7z?t=282663&e=1628090682&st=sfDD1l9TLenF6bQHvna-aA
https://vip5.45yun.net/file/2021/07/27/a31c15aa32bed807f9cc564b36607023.7z/ijfns4517.7z?t=282663&e=1628090682&st=sfDD1l9TLenF6bQHvna-aA
https://vip5.45yun.net/file/2021/07/27/a31c15aa32bed807f9cc564b36607023.7z/ijfns4517.7z?t=282663&e=1628090682&st=sfDD1l9TLenF6bQHvna-aA
https://us5.45yun.net/file/2021/07/27/a31c15aa32bed807f9cc564b36607023.7z/ijfns4517.7z?t=282663&e=1628090682&st=sfDD1l9TLenF6bQHvna-aA
https://vip5.45yun.net/file/2021/07/27/a31c15aa32bed807f9cc564b36607023.7z/ijfns4517.7z?t=282663&e=1628090682&st=sfDD1l9TLenF6bQHvna-aA
6

P.S.代码里的replace 【＆amp；】被过滤了，请自行替换。

dengdengda

leoking0001 发表于 2021-8-4 23:47
链接地址打不开，你这种发求助的，不贴币不一定有人理的，建议而已

谢谢支招，我也是刚来的，不是很熟悉规则，下次注意

dengdengda

ShiratoriAira 发表于 2021-8-4 23:47
没有8个链接，只有6个

[mw_shl_code=python,true]#!/usr/bin/env python3

谢谢兄弟帮忙

luxingyu329

写的不错，我还没有研究这么深刻，看来还得待一段时间才能看明白

meteor246

网址打不开

dengdengda

ShiratoriAira 发表于 2021-8-4 23:47
没有8个链接，只有6个

[mw_shl_code=python,true]#!/usr/bin/env python3

大神，我用list(set())想给结果去重，结果失败了，应该怎么操作呢

ShiratoriAira

dengdengda 发表于 2021-8-5 10:31
大神，我用list(set())想给结果去重，结果失败了，应该怎么操作呢

第10行插入

[Python] 纯文本查看 复制代码

url_list = list(set(url_list))

整个

[Python] 纯文本查看 复制代码

#!/usr/bin/env python3
import re

from pathlib import Path
from urllib.parse import unquote

s = (Path.cwd() / '待匹配.txt').read_text(encoding='utf-8')
p = re.compile(r'https?://.+?\.45yun\.net/[^"]+')
url_list = [unquote(x).replace('&', '&') for x in p.findall(s)]
url_list = list(set(url_list))
print('\n'.join(url_list))
print(len(url_list))

仔细一看，怎么链接都是重复的，显示8个下载地址，结果只有2个不同的链接

dengdengda

ShiratoriAira 发表于 2021-8-5 10:46
第10行插入

厉害厉害，完美