如何从Python中的字符串中提取子字符串？

Question

所以我只是想知道如何从以下字符串中提取http://www.google.com ：

<div class="asdf"><a href="http://www.google.com">

假设我有一个巨大的字符串，里面有一堆链接，我想提取 a href引号内的所有链接，我该怎么做？

Answer 1

你需要一个 HTML Parser 。 使用BeautifulSoup示例：

from bs4 import BeautifulSoup

soup = BeautifulSoup(data)
for link in soup.select("div.asdf > a[href]"):
    print(link["href"])

这将匹配所有具有href属性的链接直接位于具有“asdf”类的div元素内。

您也可以在输入文档中找到所有a元素：

for link in soup.find_all("a", href=True):
    print(link["href"])

或者：

for link in soup.select("a[href]"):
    print(link["href"])