python - Webページから正規表現pythonを使用してプロキシを取得しようとしています

Question

import urllib.request
import re
page = urllib.request.urlopen("http://www.samair.ru/proxy/ip-address-01.htm").read()
re.findall('\d+\.\d+\.\d+\.\d+', page)

なぜそれが言うのか理解できません：

ファイル "C:\Python33\lib\re.py"、201 行目、findall return _compile(pattern, flags).findall(string) TypeError: can't use a string pattern on a bytes-like object

Answer 1

によって返されるファイルのようなオブジェクトを読み取った結果urllib.request.urlopenは、バイト オブジェクトです。Unicode 文字列にデコードして、Unicode 正規表現を使用できます。

>>> re.findall('\d+\.\d+\.\d+\.\d+', page.decode('utf-8'))
['056.249.66.50', '100.44.124.8', '103.31.250.115', '105.236.180.243', '105.236.21.213', '108.171.162.172', '109.207.61.143', '109.207.61.197', '109.207.61.202', '109.226.199.129', '109.232.112.109', '109.236.220.98', '110.196.42.33', '110.74.197.141', '110.77.183.64', '110.77.199.111', '110.77.200.248', '110.77.219.154', '110.77.219.2', '110.77.221.208']

... またはバイト正規表現を使用します。

>>> re.findall(b'\d+\.\d+\.\d+\.\d+', page)
[b'056.249.66.50', b'100.44.124.8', b'103.31.250.115', b'105.236.180.243', b'105.236.21.213', b'108.171.162.172', b'109.207.61.143', b'109.207.61.197', b'109.207.61.202', b'109.226.199.129', b'109.232.112.109', b'109.236.220.98', b'110.196.42.33', b'110.74.197.141', b'110.77.183.64', b'110.77.199.111', b'110.77.200.248', b'110.77.219.154', b'110.77.219.2', b'110.77.221.208']

使用するデータ型によって異なります。

Answer 2

import urllib
import re
page = urllib.urlopen("http://www.samair.ru/proxy/ip-address-01.htm").read()
print re.findall('\d+\.\d+\.\d+\.\d+', page)

働いて、私に結果を与えました:

['056.249.66.50', '100.44.124.8', '103.31.250.115', ...

編集

• これはpython2.7で機能します