python regex API拉取并转换为文本格式时出错

Question

我有一个简单的python代码，可以从开源api中提取一些恶意软件源，并从该列表中找到唯一的IP。

url已经包含IP，但当您捕获并保存在本地文件中时，您可以看到在每个IP之后\r\n都有其他字符串。这可能是因为新行。有人能指导我吗，因为我是Python的新手，我在这里做错了什么？

import urllib.request
import urllib.parse
import re

url = 'http://www.malwaredomainlist.com/hostslist/ip.txt'
resp = urllib.request.urlopen(url)
ip = re.findall(r'd{1,3}.d{1,3}.d{1,3}.d{1,3}', resp)
malwareIPList = ip.read()
print (malwareIPlist)

错误第223行，在findallreturn compile(模式，标志(.findall(字符串(TypeError：应为字符串或字节，如对象

Answer 1

问题是您需要从urllib.request.urlopen中.read()和resp

考虑：

import urllib.request
import urllib.parse
import re

url = 'http://www.malwaredomainlist.com/hostslist/ip.txt'
resp = urllib.request.urlopen(url)
print(resp)

打印：

<http.client.HTTPResponse object at 0x103a4ccf8>

我想你正在寻找的是：

url = 'http://www.malwaredomainlist.com/hostslist/ip.txt'
resp = urllib.request.urlopen(url)
ip = re.findall(r'd{1,3}.d{1,3}.d{1,3}.d{1,3}', str(resp.read(), 'utf-8'))
print (ip)

打印一组IP地址。。。

---

BTW，因为数据是由rn分隔的ip地址，所以实际上不需要正则表达式。你可以做：

>>> str(resp.read(), 'utf-8').splitlines()
['103.14.120.121', '103.19.89.55', '103.224.212.222', '103.24.13.91', ...]