在Python中将文件对象读取为字符串

Question

我正在使用 urllib2 读取一个网页。我需要对源代码进行快速正则表达式匹配，提取一些变量，但是 urllib2 提供的是文件对象而不是字符串。

作为 Python 的新手，我不知道如何使用文件对象来完成这个任务。有没有一种快速将其转换为字符串的方法？

- Oli

Answer 1

您可以使用Python的交互模式来寻找解决方案。

如果f是您的对象，您可以输入dir(f)来查看所有方法和属性。其中有一个叫做read。输入help(f.read)，它会告诉您f.read()是从文件对象中检索字符串的方法。

- stesch

---

谢谢你提供详细的答案（尤其是关于查找对象属性/方法）。.read()效果很好。 - Oli

“教人钓鱼”这一派别的回答很棒。如果可以，我会给你加两分！ - Will Dean

有时候我们只是想把stackoverflow当成一个快速参考书来使用。gimel的回答对于搜索者来说更有用。 - Kirk Woll

Answer 2

来自文档file.read() (我的强调):

file.read([size])

从文件中最多读取 size 个字节（如果读到 EOF，则少于 size 个字节）。 如果省略了大小参数或将其设为负数，则读取所有数据直到EOF被达到。 字节将作为字符串对象返回。 当立即遇到EOF时，会返回空字符串。 （对于某些文件，例如 ttys，有意义的是在遇到EOF后继续读取。）请注意，该方法可能会调用底层C函数fread多次，以尽可能地获取接近大小字节的数据。 还要注意，在非阻塞模式下，即使没有给出大小参数，也可能返回比请求的数据更少。

请注意，对大型字符串对象进行正则表达式搜索可能不会很有效率，而考虑使用逐行搜索，使用file.next()（文件对象本身就是其迭代器）。

- gimel

Answer 3

Michael Foord，也称为Voidspace，有一篇关于urllib2的优秀教程，您可以在此处找到：

urllib2 - 缺失的手册

您正在做的事情应该非常简单，请观察以下示例代码：

import urllib2
import re
response = urllib2.urlopen("http://www.voidspace.org.uk/python/articles/urllib2.shtml")
html = response.read()
pattern = '(V.+space)'
wordPattern = re.compile(pattern, re.IGNORECASE)
results = wordPattern.search(html)
print results.groups()

- David in Dakota