用正则表达式提取Python url数据

我想从Python中的HTML标记中检索内容和

href

链接

我是regex的初学者，能够通过以下方式检索href内容：

urls = re.findall('<a class="title" href="(.*?)" title', page)

url=re.findall（“”，第页）

如何以正确的方式进行

---

提前感谢。

正确的方法是使用类似的解析器。试图用正则表达式解析HTML是件很糟糕的事情，在遇到困难之前，你不会走多远。

正确的方法是使用类似的解析器。试图用正则表达式解析HTML简直是地狱，在你撞到墙之前，你不会走多远。

这对我从heise.de获取URL起到了作用：

urls = re.findall('<a .*?href="(.*?)".*?>', page)

url=re.findall（“”，第页）

---

我真的不知道第二个标题在你的正则表达式中有什么作用，也许你也可以给出一个不匹配的示例文本。然后，我可以给你一个更好的答案，为什么你的正则表达式不起作用，这对我从heise.de获取URL很有用：

urls = re.findall('<a .*?href="(.*?)".*?>', page)

url=re.findall（“”，第页）

---

我真的不知道第二个标题在你的正则表达式中有什么作用，也许你也可以给出一个不匹配的示例文本。然后我可以给你一个更好的答案，为什么你的正则表达式不起作用

正确的方法是使用HTML解析器。你试过使用BeautifulSoup吗？。@KamyarGhasemlou这不是因为它不关心标记的内容。使用HTML解析器对像这样的小片段可行吗？你是指包含标记内容的url吗？（通常是标签，所以我被你的答案弄糊涂了）这样做“正确的方法”是使用HTML解析器。你试过使用BeautifulSoup吗？。@KamyarGhasemlou这不是因为那里，它不关心标签的内容。对于像这样的小片段，使用HTML解析器可行吗？你是指包含标签内容的url吗？（通常是标签，所以我被你的回答弄糊涂了）

urls = re.findall('<a .*?href="(.*?)".*?>(.*?)</a>', page)