使用BeautifulSoup在网页中找到某个链接

Question

from BeautifulSoup import BeautifulSoup
import urllib2
import re


user = raw_input('begin here!: ')
base = ("http://1337x.org/search/")
print (base + user)
add_on = "/0/"
total_link = (base + user + add_on)
html_data = urllib2.urlopen(total_link, 'r').read()
soup = BeautifulSoup(html_data)
announce = soup.find('a', attrs={'href': re.compile("^/announcelist")})
print announce

我正在尝试检索种子链接，最好是第一个非赞助链接。 从页面开始，然后让它打印链接。 我在此编码方面还比较陌生，因此您可以提供尽可能多的细节！ 非常感谢你的帮助！

Answer 1

问题出在您的正则表达式中。 您正在尝试使用^字符来否定正则表达式，但是在您的情况下它不起作用。 ^只取反一组字符（ []内的一组字符）； 即使在这种情况下，如果它是第一个字符，也只会取反。 例如， [^aeiou]意思是“ 除 a ， e ， i ， o和u 以外 a任何字符”。

当您在字符集外使用^ ，它将与行的开头匹配。 例如， ^aeiou匹配以aeiou字符串开头的行。

那么，您将如何否定正则表达式？ 好吧，我所看到的最好方法是使用负前瞻 ，这是一个以(?!开始并以)结尾的正则表达式。 对于您的情况，这很简单：

(?!/announcelist)

因此，将re.compile("^/announcelist")替换为re.compile("^/announcelist") re.compile("(?!/announcelist)") ，它应该可以工作-至少在这里可以工作:)