通用正则, 抓取a标签href属性

最新推荐文章于 2025-03-26 07:30:00 发布
最新推荐文章于 2025-03-26 07:30:00 发布
阅读量7.1k 收藏 10
点赞数 3
分类专栏： Python 文章标签： 正则表达式
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_43125439/article/details/85098837
版权 
import re
# url通用匹配
url_regex = re.compile('<a[^>]+href=["\'](.*?)["\']', re.IGNORECASE)
# test
url_str = "<a type='akfdf' href='http://www.itmeng.top' xxxx>hahah</a>"
result = url_regex.findall(url_str)
print(result)

# ---------运行结果------------
>>> print(result)
['http://www.itmeng.top']
[Python从零到壹] 四.网络爬虫之入门基础及正则表达式抓取博客案例
杨秀璋的专栏
09-30 2万+
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍，看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解，真心想把自己近十年的编程经验分享给大家。第四篇文章将开启网络爬虫之旅，首先介绍基础知识及正则表达式的爬虫，希望对您有所帮助，文章中不足之处也请海涵。
【Python爬虫进阶】使用正则表达式高效提取HTML网页内容
最新发布
2201_76125261的博客
04-26 401
在网络爬虫开发中，提取网页数据是最重要的环节之一。虽然现在流行使用XPath、BeautifulSoup、lxml等库解析HTML，但**正则表达式（Regex）**依然是很多轻量、灵活抓取任务中的首选工具。特别是在处理结构简单、变化大的网页时，正则提取拥有无与伦比的灵活性和速度优势。本篇将从基础到实战，全面讲解如何使用正则表达式高效解析HTML内容，并配合最新Python3标准库，以及结合真实案例，教你掌握“用Regex高效提取HTML”的全部技巧。正则表达式的优势：特别适合：常见正则语法：例子： 3.
正则获取a标签和a标签中的href地址
weixin_30657999的博客
05-12 2959
/(<\/?a.*?>)/ a标签 /<a\b.*?</a>/ 表式以“<a ”(有空格) 开始 以“</a>”结尾的标签 /^((https|http):\/\/)?[^\s]+[.]{1,1}[^\s]+/ 网址 /((\w+):\/\/)?([\w.]+[.]{1})[\w]+/ 匹配a标签中的href="XXXX"的网址 let str ...
正则表达式获取a便签内的href链接举例（a标签内容是可变的）
热门推荐
盘行
10-11 1万+
pattern = re.compile(r'&lt;a\b[^&gt;]+\bhref="([^"]*)"[^&gt;]*&gt;' + str(link_text) + '.*?&lt;/a&gt;') result = pattern.search(html) # print(result.group(1)) result_url = result.group(1) #页面内的...
【前端】超链接标签（a标签）之href属性、target属性
2302_79531041的博客
03-26 3789
target属性有两个属性值：_self、_blank，决定页面的打开方式。_self为默认打开方式，即我们正常打开时所看到的，而_blank则是用新的标签页打开。如图，目前的页面有三个：demo01.html、demo02.html、html01.html。target：打开方式，默认是_self，如果是_blank则用新的标签页打开。原因：当bref的宽度或高度中任一个为0时，无法显示。href：必须具备，表示点击后会跳转到哪个页面。相当于一个刷新按钮，点击一下，进行页面刷新！
正则表达式匹配a标签的href
风清扬的专栏
01-06 1187
【代码】正则表达式匹配a标签的href。
正则获得a标签中href的url地址
lingxiaolujun的博客
03-10 350
网上全是转载n次的东西，一个也用不了，自己研究了一下搞出来的。
JS正则表达式取URL
zhujiale159的博客
10-09 385
使用js正则表达式精确匹配html标签中的URL
正则表达式匹配多行HTML
Li_318的博客
06-18 2148
爬虫中正则表达式匹配多行HTML 在利用Python抓取优快云博客时，需要利用正则表达式匹配多行HTML，HTML如下： 使用\s*匹配换行，div与class之间也需要使用通用字符 正则如下：<div.?class="title">\s*<h2>\s*<a.?href="(.*?)" ...
xpath获取标签的属性值_Python现学现用xpath爬取豆瓣音乐！
weixin_39683526的博客
11-20 448
昨天说了Requests库，今天来上手爬虫了.爬虫的抓取方式有好几种，正则表达式，Lxml(xpath)与BeautifulSoup,我在网上查了一下资料，了解到三者之间的使用难度与性能三种爬虫方式的对比。抓取方式性能使用难度正则表达式快困难Lxml快简单BeautifulSoup慢简单这样一比较我我选择了Lxml(xpath)的方式了，虽然有三种方式，但肯定是要选择最好的方式来爬虫，这个道理大家...
网页数据抓取大师：使用urllib.request和正则表达式
[网页数据抓取大师：使用urllib.request和正则表达式](https://linuxhint.com/wp-content/uploads/2020/06/1-5.jpg) # 1. 网页数据抓取的基础知识 ## 1.1 什么是网页数据抓取 网页数据抓取是利用计算机程序从...
使用php正则表达式提取html超链接中href地址信息
徊忆羽菲
06-18 1715
使用php正则表达式提取html超链接中href地址信息 $str_href = "第三步：点右侧找个链接 <a href='http://www.qipa250.com' target='_blank' style='font-size: xx-large'>点击链接复制</a><input class=\"form-control\" type=\"text\" id=\"qipa250data\" placeholder=\"请将上面链接的结果粘贴到这里\" style=
python提取html中的href标签,如何使用Python从HTML获取href链接？
weixin_30810127的博客
07-01 5609
原英文标题How can I get href links from HTML using Python?import urllib2website = "WEBSITE"openwebsite = urllib2.urlopen(website)html = getwebsite.read()print html到现在为止还挺好。但我只希望纯文本HTML中的href链接。 我怎么解决这个问题？9...
java正则表达式匹配href_php正则表达式取得内容所有链接的方法
weixin_35668158的博客
02-24 219
本文实例讲述了php正则表达式取得内容所有链接的方法。分享给大家供大家参考。具体如下：这里提供二款关于php正则链接的方法,他们可以取得内容所有链接并且保存到一个数组,当然也可以把链接全部替换.方法一,代码如下:function get_all_url($code){preg_match_all('/"' ]+)["|']?s*[^>]*>([^>]+)/i',$code,$ar...
python正则表达式之获取a标签href属性
weixin_38924500的博客
03-26 1万+
url = re.compile(r'<h2.*?><a\b[^>]+\bhref=\\"([^"]*)"[^>]*>.+?</a></h2>').findall(li) <h2.?> #表示在h2标签内 <a\b #匹配a标签的开始 [^>]+ #匹配a标签中href之前的内容 \bhref="([^"])" ...
如何使用正则表达式提取指定标签的指定属性值
welnee的博客
11-12 1053
【代码】如何使用正则表达式提取指定标签的指定属性值。
利用Java正则表达式提取HTML中的链接
南国以南i的博客
01-24 924
解析HTML标签
js如何用正则获取a标签的内容
weixin_30347009的博客
03-15 347
<scripttype="text/javascript"> functionpp(){ varre=/<a[^>]*href=['"]([^"]*)['"][^>]*>(.*?)<\/a>/g; varstr=document.getElementById('txt').value; vararr...
正则匹配 a标签 并替换
qq_27315289的博客
12-01 2262
正则拾遗?匹配前面的子表达式零次或一次，或指明一个非贪婪限定符* 和 + 限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配。 ?匹配前面的子表达式零次或一次，或指明一个非贪婪限定符 想要匹配一个字符串里的<a> 标签并替换掉 可使用 '<a>ss</a>'.replace(/<a.*?>|<\/a>/g,'') * 和 + 限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值