我是 Python 的新手。我正在学习正则表达式，但在这里我需要帮助。
HTML 源代码来了：
<a href="http://www.ptop.se" target="_blank">http://www.ptop.se</a>
我正在尝试编写一个只打印出http://ptop.se 的工具。你能帮帮我吗？
【问题讨论】：
如果您只是在寻找一个：
import re
match = re.search(r'href=[\'"]?([^\'" >]+)', s)
if match:
print(match.group(1))
如果你有一个长字符串，并且想要其中的每个模式实例：
import re
urls = re.findall(r'href=[\'"]?([^\'" >]+)', s)
print(', '.join(urls))
s 是您要在其中查找匹配项的字符串。
正则表达式位的快速解释：
r'...'是一个“原始”字符串。它使您不必像往常一样担心转义字符。 （\尤其是 - 在原始字符串中，\只是\。在常规字符串中，您每次都必须执行\\，这会变得旧正则表达式。）“
href=[\'"]?”表示匹配“href=”，可能后跟'或"。 “可能”，因为很难说您正在查看的 HTML 有多糟糕，而且引号不是严格要求的。将下一位包含在“
()”中表示使其成为一个“组”，这意味着将其拆分并单独返回给我们。这只是表达“这是我感兴趣的模式的一部分”的一种方式。“
[^\'" >]+”表示匹配任何不是'、"、>或空格的字符。本质上，这是作为 URL 结尾的字符列表。它让我们避免尝试编写一个可靠地匹配完整 URL 的正则表达式，这可能有点复杂。
另一个答案中使用 BeautifulSoup 的建议还不错，但它确实引入了更高级别的外部要求。此外，它并不能帮助您实现学习正则表达式的既定目标，我认为这个特定的 html 解析项目只是其中的一部分。
这很容易做到：
from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(html_to_parse)
for tag in soup.findAll('a', href=True):
print(tag['href'])
无论如何，一旦你安装了 BeautifulSoup。
【讨论】：
re.findall(r'href\s?=\s?[\'"]?([^\'" >]+)', show_notes)，允许在等号之前和/或之后有一个空格。
你可以用这个。
<a[^>]+href=["'](.*?)["']
【讨论】：
这个正则表达式可以帮助你，你应该通过 \1 或你的语言中的任何方法来获取第一组。
href="([^"]*)
示例：
<a href="http://www.amghezi.com">amgheziName</a>
结果：
http://www.amghezi.com
【讨论】：
这非常适合使用可选匹配（在href= 之后打印）并且仅获取链接。测试于http://pythex.org/
(?:href=['"])([:/.A-z?<_&\s=>0-9;-]+)
输出：
匹配 1。/wiki/Main_Page
第 2 场比赛。/wiki/Portal:Contents
第 3 场比赛。/wiki/Portal:Featured_content
第 4 场比赛。/wiki/Portal:Current_events
第 5 场比赛。/wiki/Special:Random
第 6 场比赛。//donate.wikimedia.org/wiki/Special:FundraiserRedirector?utm_source=donate&utm_medium=sidebar&utm_campaign=C13_en.wikipedia.org&uselang=en
【讨论】：
'或"，它会出错。要解决此问题，正则表达式应为：regex='(?:href=[\'"])([:/.A-z?<_&\s=>0-9;-]+)'，在 ' 或 " 之前添加一个斜线 \。
John Gruber（他编写了 Markdown，它由正则表达式组成，并在 Stack Overflow 上使用）尝试生成一个识别文本中 URL 的正则表达式：
http://daringfireball.net/2009/11/liberal_regex_for_matching_urls
如果你只是想获取 URL（即你不是真的试图解析 HTML），这可能比 HTML 解析器更轻量。
【讨论】：
正则表达式根本不擅长解析 HTML（请参阅 Can you provide some examples of why it is hard to parse XML and HTML with a regex? 了解原因）。您需要的是一个 HTML 解析器。有关使用各种解析器的示例，请参阅 Can you provide an example of parsing HTML with your favorite parser?。
您尤其需要查看 Python 答案：BeautifulSoup、HTMLParser 和 lxml。
【讨论】：
是的，regexlib 上有很多。这只能证明不应该使用 RE 来做到这一点。使用 SGMLParser 或 BeautifulSoup 或编写解析器 - 但不要使用 RE。似乎有效的那些非常复杂，但仍不能涵盖所有情况。
【讨论】：
regexlib 上有很多这样的人
【讨论】：
这应该可行，尽管可能有更优雅的方法。
import re
url='<a href="http://www.ptop.se" target="_blank">http://www.ptop.se</a>'
r = re.compile('(?<=href=").*?(?=")')
r.findall(url)
【讨论】：
不要使用正则表达式，使用BeautifulSoup。那，或者太粗鲁以至于将其生成到 w3m/lynx 并拉回 w3m/lynx 渲染的内容。第一个可能更优雅，第二个在我不久前编写的一些未优化代码上运行得更快。
【讨论】：