我正在尝试使用 html 上的正则表达式搜索来获取网站的 facebook 页面的地址
通常链接显示为
<a href="http://www.facebook.com/googlechrome">Facebook</a>
但有时地址会是http://www.facebook.com/some.other
有时还有数字
目前我拥有的正则表达式是
'(facebook.com)\S\w+'
但它不会抓住最后两种可能性
当我希望正则表达式搜索但不获取它时，它叫什么？（例如，我希望正则表达式匹配 www.facbook.com 部分，但结果中没有该部分，只有它之后的部分
注意我使用 python 和 re 和 urllib2
在我看来，您的主要问题是您对正则表达式的了解不够。
fb_re = re.compile(r'www.facebook.com([^"]+)')
然后简单地说：
results = fb_re.findall(url)
为什么这样有效：
在常规表达式中，括号中的部分()是捕获的内容，您将 www.facebook.com 部分放在括号中，因此它没有得到任何其他内容。
在这里，我使用一个字符集[]来匹配其中的任何内容，我使用^运算符来否定它，这意味着任何不在集合中的内容，然后我给它一个"字符，所以它将匹配 www.facebook.com 之后的任何内容，直到它到达 a"然后停止。
注意 - 这会捕获嵌入的 facebook 链接，如果 facebook 链接只是在纯文本页面上，您可以使用：
fb_re = re.compile(r'www.facebook.com(\S+)')
这意味着抓取任何非空白字符，因此一旦用完空白字符就会停止。
如果您担心链接以句点结尾，您可以简单地添加：
fb_re = re.compile(r'www.facebook.com(\S+)\.\s')
它告诉它搜索上面相同的内容，但是当它到达句子的末尾时停止，.然后是任何空格，如空格或输入。这样它仍然会抓取链接，/some.other但是当你有类似的东西时，/some.other.它会删除最后一个.
如果我假设正确，则 url 总是用双引号引起来。对？
re.findall(r'"http://www.facebook.com(.+?)"',url)
总体而言，尝试使用正则表达式解析 html 是一个坏主意。我建议您使用 html 解析器lxml.html来查找链接，然后使用urlparse
>>> from urlparse import urlparse # in 3.x use from urllib.parse import urlparse
>>> url = 'http://www.facebook.com/some.other'
>>> parse_object = urlparse(url)
>>> parse_object.netloc
'facebook.com'
>>> parse_object.path
'/some.other'