Python 这个re.compile（）表达式不应该找到页面中的所有链接吗？

我很难理解python中的re.compile方法。我找到了这个例子，从我读到的内容来看，应该可以找到一个网页中的所有链接。这是正确的吗？有人能解释一下吗？表达的一部分？这对我来说没有多大意义，而且似乎也无法在页面中找到链接

link_finder = re.compile('href="(.*?)"')
links = link_finder.findall(html)

这是一个非贪婪表达式，用于匹配一对双引号之间的所有字符。非贪婪意味着一旦找到下一个双引号，它将停止搜索

相反，一个贪婪的表情

"(.*)"

不会在它找到的下一个双引号处停止-它将继续，直到它到达当前行的最后一个引号-因此使用贪婪这个词，而不是本例中所需的

它可能找不到任何适合您的内容，因为您的所有链接都使用单引号而不是双引号引用。那样的话，试试看

link_finder = re.compile("href='(.*?)'")

请注意，单引号和双引号的位置是交换的

示例输出：

>>> link_finder = re.compile("href='(.*?)'")
>>> links = link_finder.findall("<a href='testlink'>")
>>> links
['testlink']

它将匹配空格以及两种类型的引号。但是，正如Ken Hampson所建议的那样，更好的方法是使用专用工具，或者。

要真正找到文档中的所有HTML链接，它比正则表达式所支持的更细微

例如，以下任一标记都是有效的HTML：

<a href='foo.html'>foo</a>

<a href = 'foo2.html'>foo2</a>

但是，除了单引号对和双引号对之外，还有其他细微差别。这只是另一个例子，这又回到了使用正则表达式解析HTML或XML等内容的整个过程中。。最好使用一个实际的HTML解析器来实现这一点，因为所有这些细微差别都被考虑进去了，因为解析器必须考虑语言的整个语法

如果您在web上下文中操作，jQuery实际上可能是最好的选择，因为它将通过一行程序搜索DOM

---

对于纯Python，lxml是一种可能性。

谢谢！！！这解释了很多。我在任何地方都找不到这样的简化。使用beautifulsoup，忘记用regexYa解析html，这就是我要做的。

re.compile("href\s*=\s*['\"](.*?)['\"]")

<a href='foo.html'>foo</a>

<a href = 'foo2.html'>foo2</a>

link_finder = re.compile("href\s*=\s*'(.*?)'")