Цикл for не добавляет массив с регулярным выражением
Следующий код извлекает номера версий из URL-адреса, а затем для каждого номера версии переходит на страницу с этим номером версии и заполняет массив определенным шаблоном для имени файла. Результирующий массив должен содержать список имен файлов для каждого номера версии, но, похоже, он содержит только ранние версии (2.6). Используя операторы печати, я вижу, что код работает, извлекая файлы sha256sums.asc — все, всех версий. Я предполагаю, что я еще ничего не понимаю в заполнении массивов Python, и что мой код не позволяет массиву patches_full_versions включать все, начиная с версий 2.6 до 6.9, как ожидалось.
Если бы массив каким-то образом сбрасывался, я бы ожидал, что он будет содержать только номер последней версии, но происходит обратное — он содержит только самую раннюю версию. Как будто на этом все просто остановилось, хотя код продолжает получать информацию для более поздних версий.
patches_versions = []
patches_full_versions = []
RT_PATCHES_BASE_URL = "https://cdn.kernel.org/pub/linux/kernel/projects/rt/"
cleaner = re.compile("<.*?>") # For removing HTML tags later.
# Create array of patches versions:
patches_page_content = requests.get(RT_PATCHES_BASE_URL)
patches_page_content.raise_for_status()
stripped_content = re.sub(cleaner, "", patches_page_content.text)
for line in stripped_content.splitlines():
x = False
x = re.findall(r"[0-9]", line)
if not line == "":
if x:
patches_versions.append(line.split("/")[0])
patch_name_pattern = re.compile(r'patch-.*?\.tar\.xz')
for x in patches_versions:
patch_version_page_content = requests.get(f"{RT_PATCHES_BASE_URL}{x}/sha256sums.asc")
patch_version_page_content.raise_for_status()
for match in re.findall(patch_name_pattern, patch_version_page_content.text):
patches_full_versions.append(match)
Не используйте re.findall(), если вам просто нужно узнать, есть ли совпадение. Используйте re.search()
line.split("/")[0] — это строка типа <a href = "3.6. Вы не можете добавить это к базовому URL-адресу патчей.
См. Использование регулярных выражений для анализа HTML: почему бы и нет?
Ответы 1
Во-первых, чтобы ответить на ваш вопрос
"но, похоже, он содержит только ранние версии (2.6)"
Например, по этому URL есть 4 патча: https://cdn.kernel.org/pub/linux/kernel/projects/rt/5.16/sha256sums.asc
патч-5.16.2-rt19.patch.gz
патч-5.16.2-rt19.patch.xz
патчи-5.16.2-rt19.tar.gz
патчи-5.16.2-rt19.tar.xz
Ваше регулярное выражение:
patch_name_pattern = re.compile(r'patch-.*?\.tar\.xz')
который не может соответствовать:
патч-5.16.2-rt19.patch.gz
патч-5.16.2-rt19.patch.xz
патчи-5.16.2-rt19.tar.gz
патчи-5.16.2-rt19.tar.xz
Поэтому ни один из вариантов на этой странице не может быть сопоставлен.
Вот код, который я улучшил:
patches_versions = []
patches_full_versions = []
RT_PATCHES_BASE_URL = "https://cdn.kernel.org/pub/linux/kernel/projects/rt/"
cleaner = re.compile("<.*?>") # For removing HTML tags later.
# Create array of patches versions:
patches_page_content = requests.get(RT_PATCHES_BASE_URL)
patches_page_content.raise_for_status()
stripped_content = re.sub(cleaner, "", patches_page_content.text)
for line in stripped_content.splitlines():
if re.search(r"\d", line):
patches_versions.append(line.split("/")[0])
patch_name_pattern = re.compile(r'patch[\w\-\.]+')
for x in patches_versions:
try:
patch_version_page_content = requests.get(f"{RT_PATCHES_BASE_URL}{x}/sha256sums.asc")
patch_version_page_content.raise_for_status()
for match in re.findall(patch_name_pattern, patch_version_page_content.text):
patches_full_versions.append(match)
except Exception as e:
print(repr(e))
Васильев, спасибо. Очень ценю. Я ни разу не видел своей простой ошибки в шаблоне регулярного выражения. (Уф, неловко, но спасибо.)
не против. возьми, да :)
Эта страница HTML. Почему вы используете регулярные выражения вместо анализатора HTML, такого как Beautiful Soup?