python,regex查找定位链接html

汤对你有好处:

>>> from BeautifulSoup import BeautifulSoup
>>> soup = BeautifulSoup('''<ul class="something">
... <li id="li_id">
... <a href="#" title="myurl">URL Text</a>
... </li>
... </ul>''')

有许多参数可以传递给 findAll 方法;更多 here .下面的一行将通过返回符合某些条件的所有链接的列表来启动。

>>> soup.findAll(href='#', title='myurl')
[<a href="#" title="myurl">URL Text</a>]

编辑:根据Op的评论,添加的信息包括:

所以假设您只对某个类的列表元素中的标记感兴趣 <li class="li_class"> . 你可以这样做:

>>> soup = BeautifulSoup('''<li class="li_class">
    <a href="#" title="myurl">URL Text</a>
    <a href="#" title="myurl2">URL Text2</a></li><li class="foo">
    <a href="#" title="myurl3">URL Text3</a></li>''') # just some sample html

>>> for elem in soup.findAll("li", "li_class"):
...   pprint(elem.findAll('a')) # requires `from pprint import pprint`
... 
[<a href="#" title="myurl">URL Text</a>,
 <a href="#" title="myurl2">URL Text2</a>]

汤食谱:

1. 下载所需的一个文件。
2. 将dl'd文件放入site packages dir或类似文件中。
3. 喝汤吧。

你真的不应该用正则表达式来解析HTML。曾经。

尝试漂亮的汤或lxml。

但是…你问。 所以一个简单的版本可能看起来像这样:

import re

html = """
<ul class="something">
<li id="li_id">
<a href="#" title="myurl">URL Text</a>
</li>
</ul>
"""

m = re.search('(<a .*>)', html)
if m:
    print m.group(1)

我可以想出很多方法来打破这种局面。

你可以试试这个,因为你的要求很简单。不需要漂亮的汤或瑞吉丝

>>> s="""
... <ul class="something">
... <li id="li_id">
... <a href="#" title="myurl">URL Text</a>
... </li>
... </ul>
... """
>>> for item in s.split("</a>"):
...    if "<a href=" in item :
...        print item [ item.find("<a href=") : ] + "</a>"
...
<a href="#" title="myurl">URL Text</a>

你可以包括一张支票 '<li class="li_class">' 在if语句中。