python url获取帮助regex

Question

我有一个网站，上面有类似<a href="http://www.example.com?read.php=123">有谁能告诉我如何使用python获得这些链接中的所有数字（在本例中是123个）？我不知道如何构造正则表达式。提前谢谢。

Answer 1

如果您有问题，并决定使用regex，现在您有两个问题

如果您正在阅读一个特定的网页，并且您知道它是如何格式化的，那么regex就可以了——您可以使用S.Mark的答案。要解析一个特定的链接，可以使用Kimvai的答案。但是，要从一个页面获取所有链接，最好使用更严肃的内容。你提出的任何正则表达式解决方案都会有缺陷

我推荐mechanize。如果您注意到，那里的Browser类有一个links方法，它可以获取页面中的所有链接。它的另一个好处是可以为您下载页面=）。在

Answer 2

不管你的链接是如何格式化的（例如，如果有些链接看起来像<a href="foo=123"/>，而有些看起来像<A TARGET="_blank" HREF='foo=123'/>），这都是有效的。在

import re
from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(html)
p = re.compile('^.*=([\d]*)$')
for a in soup.findAll('a'):
   m = p.match(a["href"])
   if m:
      print m.groups()[0]

Answer 3

import re
re.findall("\?read\.php=(\d+)",data)