Question

The following regular expression is used to extract the URL connection from a page:

LINK_REGEX = re.compile("<a [^>]*href=[ "]([^ "]+)[ "][^>]*>")

<>问题1>> 如何代表以下描述? I mismatch and “ in purpose

<a href="http://www.yahoo.com >

我尝试了以下发言,我没有做任何工作。

>>> page =  <a href="http://www.yahoo.com > 
>>> page
 <a href="http://www.yahoo.com > 
>>> page =  <a href="http://www.yahoo.com  > 
>>> page
 <a href="http://www.yahoo.com>

< Question2>根据我的理解,经设计,LNK_REGEX将与上述链接相对应,尽管这并不可取。因此,我如何能够修改定期表述,以强制执行与“......”的匹配。

Answer 1

对于问题1,你的第一个做法是行之有效的。

>>> page =  <a href="http://www.yahoo.com > 
>>> len(page)
31
>>> page
 <a href="http://www.yahoo.com > 
>>> page[-1]
 > 
>>> page[-2]
" "
>>> page[-3]
 m

Answer 2

(I d post this as a comment if I had the privilege.)

如果你重新尝试使用超文本,则建议你不要使用reg。如果你使用像“美丽”或“乐施”这样的“超声望”模块,那么你就能够挽救许多 has和问题。

第二,几乎每当你重新使用规章时,就必须确保在座标上<条码>/条码>。

LINK_REGEX = re.compile(r”<a [^>]*href=[“][[^”+] [[][>]*>”

这将确保物品能够适当逃脱。

如果你确实需要使用reg,那么“9000”答案就会为你工作。

Answer 3

。

([ "]).+1 will match a quoted string with matcing quotes. The expression in parens (match group) will match a single or double quote, and 1 will match whatever the first match group have matched (this is called backreference ).

Note that the quotes are not escaped in any way in the expressions to make them more readable. Your regex strings may need to escape at least one kind of quotes.

Answer 4

采用两种规章:

<as*[^>]*href="([^"]+)"[^>]*>  # double quoted strings
<as*[^>]*href= ([^ ]+) [^>]*>  # single quoted strings

<代码>href的内容将放在第二组。

友情链接