如何使用python在HTML文件中找到特定的URL？

Question

我的 HTML 文件中有一个带有 .bin 附件的 URL。
我的目标是使用我的 Python 脚本提取完整链接。 我在许多 HTML 文件中运行此脚本，.bin URL 的位置可能会更改。
如果我能够获得 URL 开头和结尾的索引，我可以通过这种方式提取它。

我尝试通过 HTML 文件进行单词搜索，但有几个 .bin URL，我只想要第一个。 任何想法，将不胜感激。 或任何其他方法。

import urllib.request, urllib.error, urllib.parse
html_link = "www.mywebsitelink.com"
response = urllib.request.urlopen(html_link)
webContent = response.read()

Answer 1

我建议你看看使用Regex 。

在您的示例中，您可能会寻找以下内容：

^http://.+\.bin$

您可以使用这个有用的工具对此进行测试并探索 Regex 表达式的每个部分的含义： regex101

您的代码可能如下所示：

import re

bin_url = re.search("^http://.+\.bin$", webContent)