推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 2706 天前的主题，其中的信息可能已经有所发展或是发生改变。
如下 ，返回一个 html 页面（类型不是 html 是 str，不能 bs4 解析），想提取里边的 url=https://www.baidu.com/s/1dD8Hkn3 那一串链接，不知道怎么写正则，各种尝试，均不行，取不出来 ，求 v 友帮忙写一个，万谢
<!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>正在跳转...</title> <meta name="referrer" cOntent="no-referrer" /> <meta HTTP-EQUIV="refresh" cOntent="0; url=https://www.baidu.com/s/1dD8Hkn3"> </head> <body> </body> </html>  | 1 adminii 2018 年 9 月 1 日 <meta.+url=(.+)\">$ 直白写入这个不知道是不是符合要求。 提取$1 就是地址了 |
 | 2 delectate 2018 年 9 月 1 日 Python 3.7.0 (v3.7.0:1bf9cc5093, Jun 27 2018, 04:59:51) [MSC v.1914 64 bit (AMD64)] on win32 Type "help", "copyright", "credits" or "license" for more information. >>> import re >>> a='''<!DOCTYPE html> ... <html> ... <head> ... <meta charset="utf-8"> ... <title>正在跳转...</title> ... <meta name="referrer" cOntent="no-referrer" /> ... <meta HTTP-EQUIV="refresh" cOntent="0; url=https://www.baidu.com/s/1dD8Hkn3"> ... </head> ... <body> ... </body> ... </html> ... ''' >>> re.findall(r'url=(.+)"',a) ['https://www.baidu.com/s/1dD8Hkn3'] >>> |
 | 4 NickCarter 2018 年 9 月 1 日 via iPhone |
 | 5 locoz 2018 年 9 月 1 日 via Android “类型不是 html 是 str ”？这话有点问题 |
 | 6 zaaazaa 2018 年 9 月 1 日 用 beautifulsoup 先取出片段再用正则会不会简单很多 |
| 7 zaaazaa 2018 年 9 月 1 日 好吧居然不能用 bs4 |
 | 8 pppguest3962 2018 年 9 月 1 日 字符串里面如果还有标签区段，str 可以继续弄进 bs4，再做递进一步的处理的。。。 ``` htmlStr = """<!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>正在跳转...</title> <meta name="referrer" cOntent="no-referrer" /> <meta HTTP-EQUIV="refresh" cOntent="0; url=https://www.baidu.com/s/1dD8Hkn3"> </head> <body> </body> </html> """ htmlStrBs4 = BeautifulSoup(htmlStr.__str__(), 'lxml') ``` |
 | 9 zhzer 2018 年 9 月 1 日 pattern = r"<meta.+? cOntent=(['"]).+?url=(.+) ?.*\1>" 组 2 就是链接 |
 | 10 PulpFunction 2018 年 9 月 1 日 想知道楼主怎么各种尝试的，上切片美滋滋啊 |
 | 11 des 2018 年 9 月 1 日 via Android 最近什么回事，看见好几个求正则的了。 都是做爬虫，你们就不能老老实实用 beautifulsoup 吗？？ |
 | 12 zst 2018 年 9 月 1 日 via Android 你把 str 丢到 bs4 里不是一样吗...... |
 | 13 duan602728596 2018 年 9 月 1 日 via iPhone python 不是有 pyquery 么 |
 | 14 mmnsghgn 2018 年 9 月 1 日 from lxml import etree html_string = ''' <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>正在跳转...</title> <meta name="referrer" cOntent="no-referrer" /> <meta HTTP-EQUIV="refresh" cOntent="0; url=https://www.baidu.com/s/1dD8Hkn3"> </head> <body> </body> </html> ''' html = etree.HTML(html_string) url = html.xpath('//meta[3]/@content')[0].split('url=')[-1] print(url) 觉得 lxml 比 bs4 舒服的多 |
 | 15 lu5je0 2018 年 9 月 1 日 url=(.*)\" |
 | 18 ShareDuck 2018 年 9 月 2 日 via Android  1 每次写正则都要看“ 30 分钟入门”的路过，膜拜各路大神。 |
 | 19 css3 OP @PulpFunction 切片长度一致才行吧，url 这每个长度都不一样啊 |
| 21 PulpFunction 2018 年 9 月 2 日 |
| 22 css3 OP @PulpFunction 可以举例说明吗？ |
 | 23 richieboy 2018 年 9 月 3 日 "(?<=cOntent=\"0; url=)[^\"]*(?=\">)" |
| 24 PulpFunction div class="badges"> 2018 年 9 月 3 日 @css3 你自己数吧胸跌 |
 | 25 wersonliu9527 2018 年 9 月 3 日 其实用 xpath 我觉得是最简单的,配合谷歌浏览器的插件 xpath helper |
 | 26 xpresslink 2018 年 9 月 3 日 楼主基本概念都不清楚么？ 只取一个 URL 确实只要用正则就可以了，用 bs4, lxml 之类方案有些重了。 但是返回一个 html 页面（类型不是 html 是 str，不能 bs4 解析）这是什么屁话。 |
| 27 css3 OP @xpresslink 不要方，我调用一个接口，人家返回的就是一个 html 页面，类型是 str,有什么好惊讶的呢 |
 | 28 icris 2018 年 9 月 3 日 我来复制一个示例吧 soup = BeautifulSoup('<b class="boldest">Extremely bold</b>') tag = soup.b type(tag) # <class 'bs4.element.Tag'> 第一行单引号里面是不是字符串？能不能用 bs4 解析？ |
| 29 xpresslink 2018 年 9 月 3 日 @css3 我只能呵呵了 |
 | 30 thautwarm 2018 年 9 月 3 日 话说我笔记记得有: re_exp = re.compile(r'( https?:\/\/(?:www\.|(?!www))[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s]{2,}|www\.[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s]{2,}|https?:\/\/(?:www\.|(?!www))[a-zA-Z0-9]\.[^\s]{2,}|www\.[a-zA-Z0-9]\.[^\s]{2,})') |
Select Language