Python 如何在通过BeautifulSoup提取后通过正则表达式运行属性值？

我有一个要解析其中一部分的URL，特别是widgetid：

<a href="http://www.somesite.com/process.asp?widgetid=4530">Widgets Rock!</a>

我已经编写了这个Python（我是Python的新手，版本是2.7）：

重新导入
从bs4导入BeautifulSoup
doc=open（'c:\Python27\some\u xml\u file.txt'）
汤=美汤（doc）
links=soup.findAll（'a'）
#调试语句
打印类型（链接[7]）
#输出：
打印链接[7]
#输出：
URL=链接[7]。属性['href']
打印URL
#输出：http://www.somesite.com/process.asp?widgetid=4530
打印类型（URL）
#输出：
是_widget_url=re.compile（“[0-9]”）
打印是\u widget\u url.match（url）
#输出：无（我知道这不是正确的正则表达式，但我认为它是正确的
#如果里面有任何数字，就会匹配！）

我认为我缺少正则表达式（或者我对如何使用它们的理解），但我无法理解它

谢谢你的帮助

使用：

---

这个问题与BeautifulSoup无关

问题是，

match

只在字符串的开头匹配。由于要查找的数字位于字符串的末尾，因此它不返回任何内容

要在任意位置匹配某个数字，请使用

搜索

——您可能希望使用

\d

实体进行数字匹配

matches = re.search(r'\d+', theURL)

---

我不认为你想要一个再培训，你可能想要：

from urlparse import urlparse, parse_qs
s = 'http://www.somesite.com/process.asp?widgetid=4530'
qs = parse_qs(urlparse(s).query)
if 'widgetid' in qs:
   # it's got a widget, a widget it has got...

---

非常感谢你。这让我难堪了好一阵子！不要为此使用

re

，使用

urlparse

@Tichodroma，这是因为效率（使用urlparse而不是regex）？不，因为Python来了。谢谢。我想regex是我最喜欢的解析工具。之所以建议使用

urlparse

，是因为它已经解决了查询字符串解析逻辑——例如，如果你得到一个包含更多参数的URL，它仍然可以工作。

matches = re.search(r'\d+', theURL)

from urlparse import urlparse, parse_qs
s = 'http://www.somesite.com/process.asp?widgetid=4530'
qs = parse_qs(urlparse(s).query)
if 'widgetid' in qs:
   # it's got a widget, a widget it has got...