某些html链接的正则表达式

Question

EDOT：你们说得对，bs4更好，而且已经开始使用它了，它更直观，而且可以找到链接 虽然我还在挣扎，哈哈 非常感谢大家

看了一眼，这个好像不在其他帖子里

所以我很确定我可以使用regex来实现这一点，因为这个html页面中的15个链接定义得很好，我想，这是一个有15个产品链接的amazon页面，我想要这些链接 输入是这个吗

<a href="\n\n\n\n\n\n https://www.amazon.co.uk/Nikon-Coolpix-L340-Bridge-Camera/dp/B00THKEKEQ/ref=zg_bs_560836_2&#10;">Nikon Coolpix L340 Bridge Camera - Bl...</a>

我试过了

import re

links = re.findall(r'^(/n/n/n/n/n/n).(")', page)

哪个行不通，有什么想法吗

Answer 1

使用下面的regexp：

s = """<a href="\n\n\n\n\n\n https://www.amazon.co.uk/Nikon-Coolpix-L340-Bridge-Camera/dp/B00THKEKEQ/ref=zg_bs_560836_2&#10;">Nikon Coolpix L340 Bridge Camera - Bl...</a>"""

re.findall('(?<=\n\n\n\n\n\n)(.*?)"', s)

以前的regexp是在字符串的开头寻找\n...匹配，而不是像示例字符串那样在字符串中间寻找\n匹配

Answer 2

这可能也有用。 regex不关心\n，只是假设链接以http开头

links = re.findall('http.*(?=">)', page)

或者抓取整个<a>标记并从捕获组获取url

links = re.findall('<a href="(?:\\n)*(.*)".*>.*<\/a>', page)