优化python链接匹配正则表达式

Question

我有一个正则表达式，links = re.compile('<a(.+?)href=(?:"|\')?((?:https?://|/)[^\'"]+)(?:"|\')?(.*?)>(.+?)</a>',re.I).findall(data)

在某些html中查找链接，对某些html需要很长时间，有什么优化建议吗？在

它窒息的是http://freeyourmindonline.net/Blog/

Answer 1

你为什么不使用html解析器？使用beauthoulsoup之类的东西，您可以获得所有链接，而不必使用那样难看的regex。在

Answer 2

如何更直接地处理href？在

re_href = re.compile(r"""<\s*a(?:[^>]+?)href=("[^"]*(\\"[^"]*)*"|'[^']*(\\'[^']*)*'|[^\s>]*)[^>]*>""", re.I)

这需要0.007秒，而你的findall在我的电脑上需要38.694秒。在

Answer 3

我建议在这个任务中使用BeautifulSoup。在