Python Challenge 第2关

recognize the characters. maybe they are in the book,
but MAYBE they are in the page source.

第2关：从现在开始，要从页面中寻找答案了。其实是在注释中。从页面源码中可以发现其有一段注释，还比较长。很麻烦。可以直接拷贝。它其实有两段注释，一段是告诉你做啥：​​<!--find rare characters in the mess below:-->​​，另一段则是要操作的。

直接拷贝使用​​""""""​​​这个的变量中也可以。我这里使用​​urllib​​​获取源码吧，虽然我更喜欢​​requests​​。

1. 获取页面

import urllib.request

def get_html_page(url):
    page = None
    resp = urllib.request.urlopen(url)
    if (resp.status == 200):
        page = resp.read().decode('utf-8')
    return page

1. 然后正则表达式获取注释内容

import re

def get_comments(page):
    rs = re.findall('<!--\s*(.*?)\s*-->', page, re.S)
    print(rs)
    if rs:
        return rs[1]
    return None

1. 主函数：

def main():
    url = 'http://www.pythonchallenge.com/pc/def/ocr.html'

    page = get_html_page(url)
    comments = get_comments(page)
    print(comments)
    maps = {}
    for c in comments:
        maps[c] = maps.get(c, 0) + 1

    half = len(comments) // len(maps)
    rs = ""
    for k, v in maps.items():
        if v < half:
            rs += k
    print(rs)

URL：​​http://www.pythonchallenge.com/pc/def/equality.html​​