使用BeautifulSoup的SoupStrainer筛选HTML和PDF链接

Question

我需要什么样的正则表达式模式才能从一个网页中提取出HTML文件和PDF文件呢？到目前为止，我有下面这个。我以为我需要用“或”这个语句，但结果并没有像我预期的那样工作。

status, response = http.request("http://www.example.com")
htmlandpdfonly=SoupStrainer('a', href=re.compile('html|pdf'))
for link in BeautifulSoup(response, parseOnlyThese = htmlandpdfonly):
    if(link.has_key('href')):
        print link['href']

Answer 1

import re
from BeautifulSoup import BeautifulSoup

# find ".html" or ".pdf" in a string
match = re.compile('\.(html|pdf)')

# parse page content
status, response = http.request("http://www.example.com")
page = BeautifulSoup(response)

# check links
for link in page.findAll('a'):
    try:
        href = link['href']
        if re.search(match, href):
            print href
    except KeyError:
        pass

当然可以！请把你想要翻译的内容发给我，我会帮你用简单易懂的语言解释清楚。