我对正则表达式有点陌生，但我自己做的那个不起作用。它应该给我来自网站 html 的数据。
我基本上想从 html 和所有多个中得到这个。顺便说一句，我将页面 url 作为字符串。
<a href="http://store.steampowered.com/search/?category2=2" class="name">Co-Op</a>
我为我的正则表达式所做的是：
<a\bhref="http://store.steampowered.com/search/?category2=2"\bclass="name"*>(.*?)</a>\g
【问题讨论】：
标签： python regex beautifulsoup
您不应该解析 HTML/XML 或任何其他允许使用正则表达式进行级联的语言。
然而，HTML 的一个好处是它可以转换为 XML，并且 XML 有一个很好的解析工具包：
echo '<a href="http://store.steampowered.com/search/?category2=2" class="name">Co-Op</a>' | tidy -asxhtml -numeric 2> /dev/null | xmllint --html --xpath 'normalize-space(//a[@class="name" and @href="http://store.steampowered.com/search/?category2=2"])' - 2>/dev/null
有查询：
normalize-space(//a[@class="name" and @href="http://store.steampowered.com/search/?category2=2"])
// 表示任何标签（不管它的深度），a 表示a 标签，我们还指定了class=name 和href=(the link) 的约束。然后我们返回了<a>和</a>这样的标签之间的normalize-space内容。
在 Python 中你可以使用：
import urllib2
from bs4 import BeautifulSoup
page = urllib2.urlopen("http://store.steampowered.com/app/24860/").read()
soup = BeautifulSoup(page)
print soup.find_all('a',attrs={'class':'name','href':'http://store.steampowered.com/search/?category2=2'})
评论你的正则表达式：
问题在于它包含像? 这样的标记，这些标记被解释为正则表达式指令而不是字符。你需要逃离他们。它可能应该是：
<a\s+href="http://store\.steampowered\.com/search/\?category2=2"\s+class="name"\S*>(.*?)</a>\g
我还将\b 替换为\s，\s 表示空格字符，如空格、制表符、换行符。尽管正则表达式非常脆弱：如果有人决定交换href 和class，程序就会出现问题。对于大部分问题，确实有解决方案，但最好使用 XML 分析工具。
【讨论】：
a\bhref 从不匹配任何东西，当然也不是a href。它要求字母 ah 之间的单词边界，如果没有附加字符，它就无法存在。实际上，从头开始，这是第二个问题。我同意第一个问题：用于解析的正则表达式是个坏主意。
bash，但也有用于 Python 的 XML 分析器。