Python url解析在每个url上都完全失败

以下代码不返回单个非空的urlparse.netloc或urlparse.scheme。scheme和netloc在路径组件前面。 请问我做错了什么

#! /usr/bin/python
# -*- coding: UTF-8 -*-

from urllib import urlopen  
from urlparse import urlparse, urljoin 
import re   
link_exp = re.compile("href=(.+?)(?:'|\")", re.UNICODE)  

flux = urlopen("http://www.w3.org") 
links = [urlparse(x) for x in link_exp.findall(flux.read())]
for x in links : 
    print x

这将提取每个（？可能我的正则表达式是错误的）url，并将其打印出来，除了“http://”总是在路径中，而不是在方案中。怎么会？当我解决这个问题时，我可能应该重新实现urlparse功能，因为这是一个课程练习，而不是一个真实的场景。 对不起，我没有说得更清楚

您的正则表达式错误：

x = "<a href='http://www.bbcnews.com'>foo</a>"
link_exp.findall(x)
# ["'http://www.bbcnews.com"]

x=“”
链接\u exp.findall（x）
# ["'http://www.bbcnews.com"]

请注意，您包括了开场白。

使用以下方法：

link_exp = re.compile(r"href=\"(.+?)(?:'|\")", re.UNICODE)  

输出：

...
ParseResult(scheme='http', netloc='ev.buaa.edu.cn', path='/', params='', query='', fragment='')
...

---

正则表达式，HTML，--使用。不回答问题，试图看起来神秘，青少年的想法。该代码有效，但netloc和scheme被驱逐到path。我不认为这应该归咎于regex，但我愿意被证明是错误的。不会

link\u exp.findall（）

查找类似

href的字符串="http://example.com

@pouzzler是疏远那些懒得读你问题的人的一种方式。并提供很好的指针。@pouzzler你说得对，对不起。全文：您不应该使用正则表达式从HTML页面中提取链接，因为它们的功能不足以理解HTML有效的所有奇怪方式。相反，您应该安装并使用一个用于解析HTML的库，并从中提取链接。然后，您可以在这些链接上调用

urlparse

。供参考，调试这类事情的方法是在link\u exp.findall（flux.read（））]中分离出

[urlparse（x）for x的所有嵌套函数调用，然后使用调试器逐步执行，依次查看每个调用。