游戏抓取python正则表达式

我试图用Python从一个国际象棋网站上刮取一些游戏文件，但遇到了一个问题。我的计划是从html中删除所有游戏ID，并将它们插入某个url下载。最困难的部分实际上是获得游戏ID

相关的html如下所示：

我对

id=…

部分感兴趣。此外，页面中没有以

/livechess/…

开头的其他事件

---

如何使用正则表达式提取这些ID？我试着读了一些东西，但它让我困惑，而不是帮助我。

不要使用正则表达式来解析HTML。改用HTML解析器。完成此任务非常简单：

for link in soup.select('a[href^=/livechess/game?id=]'):
    print link['href']

仅从中获取id可以通过字符串拆分完成：

link_id = link['href'].partition('id=')[-1]

带有实时页面的演示：

>>> import requests
>>> from bs4 import BeautifulSoup
>>> r = requests.get('http://www.chess.com/members/view/MagnusCarlsen')
>>> soup = BeautifulSoup(r.content)
>>> for link in soup.select('a[href^=/livechess/game?id=]'):
...     print link['href']
... 
/livechess/game?id=998801933
/livechess/game?id=998801191
/livechess/game?id=998801076
/livechess/game?id=998801451
/livechess/game?id=998801336
/livechess/game?id=998801799
/livechess/game?id=998801568
/livechess/game?id=998800852
/livechess/game?id=998802049
/livechess/game?id=998800982

---

正则表达式和BeautifulSoup的组合

In [14]: for i in soup.find_all('a', href=re.compile("^/livechess/game\?id=")):
    ...:         print(re.split(r'id=', i['href'])[1])
    ...:     
998801933
998801191
998801076
998801451
998801336
998801799
998801568
998800852
998802049
998800982

---

谢谢你，玛蒂恩！如何使用BeautifulSoup获取html标记？最初我使用urllib打开url并读取html。@walela:我使用添加了一个演示。@walela:另请参见（BeautifulSoup 4）。