Python 如何在不匹配模式本身的情况下查看regex中的后面？

假设我们要提取标记中的链接，如下所示：

输入：

<p><a href="http://www.google.com/home/etc"><b>some text</b></a></p>

第一个解决方案是使用这个

href=[\'”]？（[^\'”>]+）

regex查找与引用的匹配 但我想要实现的是匹配链接，然后是href。因此，尝试此

（？=href\”）…

（先行断言：匹配而不使用）仍然与

href

本身匹配

---

这是一个只有正则表达式的问题。

许多基于正则表达式的解决方案之一是捕获组：

>>> re.search(r'href="([^"]*)"', s).group(1)
'http://www.google.com/home/etc'

[^”]*

匹配任何非“

解决方案可以是：

(?:href=)('|")(.*)\1

（？：href=）

是一个非捕获组。这意味着解析器在匹配过程中使用href，但实际上并不返回它。事实上，如果您在中尝试此操作，您将看到没有组持有它

此外，每次打开和关闭圆括号时，都会创建一个组。因此，

（“|”）

定义了组1，并且所需的URL将位于组2中。检索此信息的方式取决于编程语言

---

最后，

\1

返回group#1持有的值（在本例中为

“

），为URL提供一个分隔符

让您熟悉解析器，例如。
有了这一点，就可以用

from bs4 import BeautifulSoup

html = """<p><a href="http://www.google.com/home/etc"><b>some text</b></a></p>"""

soup = BeautifulSoup(html, "html5lib")
print(soup.find('a').text)
# some text

从bs4导入美化组
html=“”
”“
soup=BeautifulSoup（html，“html5lib”）
打印（soup.find（'a'）.text）
#一些文本

---

BeautifulSoup

支持许多选择器，包括。

如果我们不考虑使用正则表达式解析HTML的问题，您的正则表达式工作正常（至少在您的示例中）。但输出取决于您使用的确切函数。例如，请尝试使用

re.findall（）

。不，我只需要不带

href

的链接，我真的不太确定你在问什么，但我有一种预感，你在寻找一个后援：

（？这正是我想要的解决方案。谢谢。我必须编辑这个问题。有很多方法都是这样，但这只是一个正则表达式问题。它将与反向引用一起工作，而不仅仅是解决问题。：）
from bs4 import BeautifulSoup

html = """<p><a href="http://www.google.com/home/etc"><b>some text</b></a></p>"""

soup = BeautifulSoup(html, "html5lib")
print(soup.find('a').text)
# some text