使用PythonRegex提取搜尋結果中的網站

最近要把Google所搜的結果中，所以的網站地址匯出。於是便使用Python中Regex來提取所搜得到的結果。

這其中涉及幾個需要解決的問題：

1、擷取搜尋的結果文本

為了獲得更多的地址，我使用了Google的進階搜尋功能，每個頁面顯示100條結果。

獲得顯示的結果後，可以查看源碼，並保持成文字檔就有了搜尋的結果文本

  

2、分析如何提取網站資訊

首先需要分析擷取的頁面，查看以怎樣的方式可以提取出網站資訊。

我使用IE8內建的開發工具（按F12就會彈出來）中的探查器功能查看自己要關心的內容有什麼特殊的格式

從可以看出我需要的網站在標籤<cite></cite>中，所以我使用Regex提取這其中的文本是否就可以呢？

3、編寫Regex來擷取網站地址

接下來的就是寫運算式了，我使用Python3.2編寫的，方便好用（~_~）

代碼如下，先把搜尋結果頁面保持到e:/t3.txt中，在執行如下代碼

import re

p = re.compile(r'<cite>([^<>\/].+?)</cite>')

f = open("e:/t3.txt", encoding='utf-8')

content = f.read()

print ("\n".join(p.findall(content)))

運行如下：

對照一下，果然把所有的網站地址給擷取到了。