[英]Extracting Data from anchor tags using regex in python
我正在嘗試使用 Python 中的正則表達式從網頁中提取超鏈接。
假設我的文本字符串是:
text = '<a href="/status/ALL">ALL</a></td>/n<a href="/status/ASSIGN">ASSIGN</a></td>'
我想提取 ALL 和 ASSIGN,我正在使用這個正則表達式:
re.findall(r'<a href=.*>(\w+)</a>', text, re.DOTALL)
這只是返回 ASSIGN。
有人可以幫我指出正則表達式中的錯誤嗎? 我對這個話題真的很陌生。
您正在使用正則表達式,而將 XML 與此類表達式匹配會變得太復雜、太快。
請不要為難自己,而是使用 HTML 解析器,Python 有幾個可供選擇:
元素樹示例:
from xml.etree import ElementTree
tree = ElementTree.parse('filename.html')
for elem in tree.findall('a'):
print ElementTree.tostring(elem)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.