Question

我的输入与此相似：

<a href="link">text</a> <a href="correctLink">See full summary</a>

从此字符串中我只想获得correctLink（查看完整摘要的链接为文本）。

我正在使用python，我尝试过：

re.compile( '<a href="(.*?)">See full summary</a>', re.DOTALL | re.IGNORECASE )

但我使用findall()获得的唯一字符串是link">text</a> <a href="correctLink。

我的错误在哪里？

Answer 1

将链接模式限制为非引号字符：

re.compile('<a href="([^"]+?)">See full summary</a>', re.DOTALL | re.IGNORECASE)

，并提供：

>>> import re
>>> patt = re.compile('<a href="([^"]+?)">See full summary</a>', re.DOTALL | re.IGNORECASE)
>>> patt.findall('<a href="link">text</a> <a href="correctLink">See full summary</a>')
['correctLink']

更好的是，使用正确的HTML解析器。

使用BeautifulSoup，找到该链接就像以下一样简单：

soup.find('a', text='See full summary')['href']

用于精确的文字匹配：

>>> from bs4 import BeautifulSoup
>>> soup=BeautifulSoup('<a href="link">text</a> <a href="correctLink">See full summary</a>')
>>> soup.find('a', text='See full summary')['href']
u'correctLink'

将href值与正则表达式匹配

1 个答案: