Поиск строк и символов в Python из web страницы. Как реализовать?

@Лео236 · Регистрация: 14.05.2020

Студворк — интернет-сервис помощи студентам

Само задание взято отсюда:https://stepik.org/lesson/2097... nit=183222
Ссылка https://ru.wikipedia.org/wiki/Python содержит статью с Википедии про язык Python. В этой статье есть теги code, которыми выделяются конструкции на языке Python. Вам нужно найти все строки, содержащиеся между тегами <code> и </code> и найти те строки, которые встречаются чаще всего и вывести их в алфавитном порядке, разделяя пробелами.

Например, если исходный текст страницы выглядел бы так:

Code
1
2
3
4
5
6
<code>a</code>
<a>bracadabr</a>
<code>c</code>
<code>b</code>
<code>b</code>
<code>c</code>

то в ответ надо было бы ввести строку "b c".

Как я это решил:

Python
1
2
3
4
5
6
7
import re
from urllib.request import urlopen
 
html = urlopen ("https://ru.wikipedia.org/wiki/Python").read().decode("utf-8")
m = ['a-z']
a = re.findall((r'<code>[a-b]</code>'), str)
print(a)

Всё бы хорошо, та ошибку выдает: expected string or bytes-like object

С чем это может быть связано?

@avdivo · 08.07.2021, 23:10

Лео236,
Что такое str?

@Лео236 · 09.07.2021, 01:28 **[ТС]**

str - оператор строки

@avdivo · 09.07.2021, 01:46

Ну так и что он там делает? Разве ваша строка не html?

@iSmokeJC · 09.07.2021, 07:47

Сообщение от Лео236

m = ['a-z']

Это что?

Сообщение от Лео236

str - оператор строки

Т.е. догадки не хватило туда подать строку, в которой собсно и должен происходить поиск?

Python
1
2
3
html = urlopen("https://ru.wikipedia.org/wiki/Python").read().decode("utf-8")
a = re.findall(r'<code>(.+?)</code>', html)
print(a)

@Welemir1 · 09.07.2021, 07:54

Лео236, садись, два. Это а степике так учат? Вообще то тут не регулярки нужны а БьютифулСуп которому вас "обучают".

@Damenikx · 09.07.2021, 08:15

Welemir1, правильно подметил дядюшка Welemir1, bs4 - отличный вариант для решения проблемы. Однако под него ещё надо будет requests. Можно и через регулярки, но это более сложный процесс.

@Welemir1 · 09.07.2021, 08:18

Damenikx, requests как раз не обязательно, возможно их на этом курсе сначала учат через урлопен страницы получать, это тоже норм. Но судя по курсу, тут регулярки не предусмотрены, их же учат парсить хтмл.

@Damenikx · 09.07.2021, 08:20

С bs4 это выглядит примерно так (могу ошибиться по памяти писал):

Python
1
2
3
4
5
6
7
8
9
from bs4 import BeautifulSoup
import requests
 
url = 'https://ru.wikipedia.org/wiki/Python'
response = requests.get(url)
soup = BeautifulSoup(response.text, 'lxml')
quotes = soup.find_all('code')
 
print(quotes)

И да, если будете использоваться докачайте библиотеку lxml

Добавлено через 1 минуту
Welemir1, действительно, не учёл.

Не по теме:

Скоро сюда будут падать темы по Scrapy. С вопросом: "это же фреймворк, а как его запустить?"

@Лео236 · 09.07.2021, 08:50 **[ТС]**

Welemir1, Да, так учат, о BeautifulSoap вообще речи и не шло

@Garry Galler · 09.07.2021, 12:50

Сообщение от Лео236

str - оператор строки

Это функция-конструктор, а не оператор.

Сообщение от Лео236

Да, так учат,

Жирная двойка вашим преподам.
Для разбора html нужно использовать html парсер. Для начала - хотя бы встроенный html.parser.
Попробуй учиться самостоятельно - по документации (все кто здесь отвечают на вопросы- учились самостоятельно. Забавно? Но факт. Кого учили - ничему, видимо, не научили).

Новые блоги и статьи Все статьи Все блоги /
SDL3 для Web (WebAssembly): Идентификация объектов на Box2D v3 - использование userData и событий коллизий 8Observer8 02.03.2026 Содержание блога Финальная демка в браузере. Итоговый код: finish-collision-events-sdl3-c. zip https:/ / www. cyberforum. ru/ blog_attachment. php?attachmentid=11680&d=1772460536 Одним из. . .	Реалии Hrethgir 01.03.2026 Нет, я не закончил до сих пор симулятор. Эта задача сложнее. Не получилось уйти в плавсостав, но оно и к лучшему, возможно. Точнее получалось - но сварщиком в палубную команду, а это значит, в моём. . .	Ритм жизни kumehtar 27.02.2026 Иногда приходится жить в ритме, где дел становится всё больше, а вовлечения в происходящее — всё меньше. Плотный график не даёт вниманию закрепиться ни на одном событии. Утро начинается с быстрых,. . .	SDL3 для Web (WebAssembly): Сборка библиотек: SDL3, Box2D, FreeType, SDL3_ttf, SDL3_mixer и SDL3_image из исходников с помощью CMake и Emscripten 8Observer8 27.02.2026 Недавно вышла версия 3. 4. 2 библиотеки SDL3. На странице официальной релиза доступны исходники, готовые DLL (для x86, x64, arm64), а также библиотеки для разработки под Android, MinGW и Visual Studio. . . .
SDL3 для Web (WebAssembly): Реализация движения на Box2D v3 - трение и коллизии с повёрнутыми стенами 8Observer8 20.02.2026 Содержание блога Box2D позволяет легко создать главного героя, который не проходит сквозь стены и перемещается с заданным трением о препятствия, которые можно располагать под углом, как верхнее. . .	Конвертировать закладки radiotray-ng в m3u-плейлист damix 19.02.2026 Это можно сделать скриптом для PowerShell. Использование . \СonvertRadiotrayToM3U. ps1 <path_to_bookmarks. json> Рядом с файлом bookmarks. json появится файл bookmarks. m3u с результатом. # Check if. . .	Семь CDC на одном интерфейсе: 5 U[S]ARTов, 1 CAN и 1 SSI Eddy_Em 19.02.2026 Постепенно допиливаю свою "многоинтерфейсную плату". Выглядит вот так: https:/ / www. cyberforum. ru/ blog_attachment. php?attachmentid=11617&stc=1&d=1771445347 Основана на STM32F303RBT6. На борту пять. . .	Камера Toupcam IUA500KMA Eddy_Em 12.02.2026 Т. к. у всяких "хикроботов" слишком уж мелкий пиксель, для подсмотра в ESPriF они вообще плохо годятся: уже 14 величину можно рассмотреть еле-еле лишь на экспозициях под 3 секунды (а то и больше),. . .

@avdivo 303 / 213 / 112 Регистрация: 03.12.2016 Сообщений: 409
	08.07.2021, 23:10
	Лео236, Что такое str? 0

@Лео236 2 / 2 / 0 Регистрация: 14.05.2020 Сообщений: 61
	09.07.2021, 01:28 [ТС]
	str - оператор строки 0

@avdivo 303 / 213 / 112 Регистрация: 03.12.2016 Сообщений: 409
	09.07.2021, 01:46
	Ну так и что он там делает? Разве ваша строка не html? 0

@Welemir1 Автоматизируй это! 7391 / 4818 / 1246 Регистрация: 30.03.2015 Сообщений: 13,693 Записей в блоге: 29
	09.07.2021, 07:54
	Лео236, садись, два. Это а степике так учат? Вообще то тут не регулярки нужны а БьютифулСуп которому вас "обучают". 0

@Damenikx 955 / 341 / 114 Регистрация: 04.08.2018 Сообщений: 2,533
	09.07.2021, 08:15
	Welemir1, правильно подметил дядюшка Welemir1, bs4 - отличный вариант для решения проблемы. Однако под него ещё надо будет requests. Можно и через регулярки, но это более сложный процесс. 0

@Welemir1 Автоматизируй это! 7391 / 4818 / 1246 Регистрация: 30.03.2015 Сообщений: 13,693 Записей в блоге: 29
	09.07.2021, 08:18
	Damenikx, requests как раз не обязательно, возможно их на этом курсе сначала учат через урлопен страницы получать, это тоже норм. Но судя по курсу, тут регулярки не предусмотрены, их же учат парсить хтмл. 0

@Лео236 2 / 2 / 0 Регистрация: 14.05.2020 Сообщений: 61
	09.07.2021, 08:50 [ТС]
	Welemir1, Да, так учат, о BeautifulSoap вообще речи и не шло 0