python - 将 href 值与正则表达式匹配

Question

我的输入与此类似：

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

我只想从此字符串中获取correctLink（将完整摘要视为文本的链接）。

我正在使用 python，我尝试过：

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

但我得到的唯一字符串findall()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)

给予：

>>> 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，使用适当的 HTML 解析器。

使用BeautifulSoup，找到该链接将很容易：

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

对于精确的文本匹配：

>>> 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'