Python 使用BeautifulSoup获取与扩展名匹配的文件名

我正在尝试使用

BeautifulSoup

解析一个HTML页面，该页面包含文本文件，以扩展名

.txt

结尾。我想解析HTML，并获取以

.txt

结尾的字符串

所有这些字符串都在

标记中，下面是一些示例：

如何获取

foo.txt

和

bar.txt

我这样做：

>links=soup.findAll（'a'）

---

但是我找不到如何提取完整的字符串。。。有什么建议吗？

BeautifulSoup接受regexp作为参数形式

find（）

和

findAll（）

这应该起作用：

links = soup.findAll(href=re.compile("\.txt$"))

---

BeautifulSoup接受regexp作为参数形式

find（）

和

findAll（）

这应该起作用：

links = soup.findAll(href=re.compile("\.txt$"))

---

我想应该是：

soup.findAll（'a'，href=…

Hmm。vartec和mouad的建议之间有什么区别（如果有）。@a:a：我的建议实际上是搜索所有具有

href=“*.txt”

，@vartec solution检查所有具有

href=“*.txt”的标签

@A：理论上，我的版本会捕获任何带有

href

attr的标记。问题是，在HTML中唯一带有

href

的标记是

@vartec，@mouad:哦，好吧！这不是问题。我不明白的一点是，即使在BeautifulSoup的情况下，我们也在使用正则表达式。那么为什么不首先使用它呢直接？我想应该是：

soup.findAll（'a'，href=…

Hmm。vartec和mouad的建议之间有什么区别（如果有的话）。@a:a：我的建议实际上是搜索所有

a

标签中有

href=“*.txt”

，@vartec solution检查所有标签中有

href=“*.txt”

@A：理论上，我的版本会捕获任何带有

href

attr的标记。问题是，在HTML中唯一带有

href

的标记是

@vartec，@mouad:哦，好吧！这不是问题。我不明白的一点是，即使在BeautifulSoup的情况下，我们也在使用正则表达式。那么为什么不首先使用它呢直接的？