Python regex和urllib.request从HTML中刮取链接

我试图解析HTML以提取此正则表达式构造中的所有值： href=“http/。+？”

代码如下：

import urllib.request
import re

url = input('Enter - ')
html = urllib.request.urlopen(url).read()
links = re.findall('href="(http://.*?)"',html)
for link in links:
    print(link)

但我得到了一个错误，说：

---

TypeError:无法在类似字节的对象上使用字符串模式

您的

html

是字节字符串，请使用

str（html）

：

或者，使用字节模式：

re.findall(rb'href="(http://.*?)"',html)

---

您的

html

是一个字节字符串，请使用

str（html）

：

或者，使用字节模式：

re.findall(rb'href="(http://.*?)"',html)

urlopen（url）

返回字节对象。因此，您的

html

变量也包含字节。您可以使用如下方式对其进行解码：

htmlobject = urllib.request.urlopen(url)
html = htmlobject.read().decode('utf-8')

然后可以在正则表达式中使用现在是字符串的

html

。

urlopen（url）

返回字节对象。因此，您的

html

变量也包含字节。您可以使用如下方式对其进行解码：

htmlobject = urllib.request.urlopen(url)
html = htmlobject.read().decode('utf-8')

---

然后你可以在你的正则表达式中使用

html

，它现在是一个字符串。

如果你想要一个页面上的所有链接，你甚至不需要使用正则表达式。因为您只需使用bs4即可获得所需内容：-）

---

希望能有所帮助。祝项目顺利；-）

如果你想要一个页面上的所有链接，你甚至不需要使用正则表达式。因为您只需使用bs4即可获得所需内容：-）

---

希望能有所帮助。祝项目顺利；-）

谢谢你，妈妈。我以后再做。我刚刚开始学习python中的正则表达式来进行解析。bs4将是下一章。谢谢你@妈妈。我以后再做。我刚刚开始学习python中的正则表达式来进行解析。bs4将是下一章。@TaufiqueRahman很高兴听到这个消息，请单击左侧的灰色记号。@TaufiqueRahman很高兴听到这个消息，请单击左侧的灰色记号。