如何用python查找网站的反向链接

Question

我有点困在这种情况下，我想找到网站的反向链接，我找不到怎么做，这是我的正则表达式：

readh = BeautifulSoup(urllib.urlopen("http://www.google.com/").read()).findAll("a",href=re.compile("^http"))

我想做的，找到反向链接，就是，找到以http开头的链接，而不是包含google的链接，我不知道如何管理它？在

Answer 1

下面是一个匹配http页面的regexp，但如果包括google，则不匹配：

re.compile("(?!.*google)^http://(www.)?.*")

Answer 2

from BeautifulSoup import BeautifulSoup
import re

html = """
<div>hello</div>
<a href="/index.html">Not this one</a>"
<a href="http://google.com">Link 1</a>
<a href="http:/amazon.com">Link 2</a>
"""

def processor(tag):
    href = tag.get('href')
    if not href: return False
    return True if (href.find("google") == -1) else False

soup = BeautifulSoup(html)
back_links = soup.findAll(processor, href=re.compile(r"^http"))
print back_links

 output: 
[<a href="http:/amazon.com">Link 2</a>]

然而，只需获取以http开头的所有链接，然后在这些链接中搜索href中没有“google”的链接可能更有效：

^{pr2}$