我有以下正则表达式来匹配 html 链接：
<a\s*href=['|"](http:\/\/(.*?)\S['|"]>
它有点工作。除了不是真的。因为它会在
编辑： 这将使它只抓取引号而不是 之后的所有内容
【问题讨论】：
您为什么要尝试使用正则表达式匹配 HTML 链接？
根据您尝试做的适当的事情会有所不同。
您可以尝试使用 HTML 解析器。有几个可用的，Python 库中甚至还有一个：https://docs.python.org/library/htmlparser.html
希望这会有所帮助！
【讨论】：
我遇到了一些网址中的单引号问题，例如 Fox Sports 的这个。我做了一些我认为应该照顾它的轻微调整。
http://msn.foxsports.com/mlb/story/9152594/Fehr:'Heightened'-concern-about-free-agent-market
这要求右引号后跟一个空格或右括号。
【讨论】：
阅读 Jeff Friedl 的“掌握正则表达式”一书。
如书面：
<a\s*href=['|"](http:\/\/(.*?)\S['|"]>
表达式中有不平衡的括号。也许问题在于第一场比赛被视为“读到正则表达式的结尾”。另外，为什么不希望 URL 的最后一个非空格字符？
.*? （懒惰的贪婪）运算符很有趣。不过，我必须说，我更倾向于写作：
<a\s+href=['|"]http://([^'"><]+)\1>
这区分了“
【讨论】：
>>> import re
>>> regex = '<a\s+href=["\'](http://(.*?))["\']>'
>>> string = '<a href="http://google.com/test/this">'
>>> match = re.search(regex, string)
>>> match.group(1)
'http://google.com/test/this'
>>> match.group(2)
'google.com/test/this'
解释：
\s+ = match at least one white space (<ahref) is a bad link
["\'] = character class, | has no meaning within square brackets
(it will match a literal pipe "|")
【讨论】：
\S 匹配任何不是空白字符的字符，就像 [^\s]
这样写，你可以很容易地排除引号：[^\s"']
请注意，您可能必须提供 .*?在您的正则表达式中进行相同的处理。点匹配任何不是换行符的字符，就像 [^\r\n]
再一次，这样写，你可以很容易地排除引号：[^\r\n'"]
【讨论】：
我不认为你的正则表达式正在做你想做的事。
<a\s*href=['|"](http:\/\/(.*?)\S['|"]>
这会非贪婪地捕获从 http:// 到引号、单引号或管道之前的第一个非空格字符的任何内容。就此而言，我不确定它是如何解析的，因为它似乎没有足够的近括号。
如果您尝试捕获 href，您可以尝试以下操作：
<a .*?+href=['"](http:\/\/.*?)['"].*?>
这使用 .*? （非贪婪匹配任何东西）以允许其他属性（目标、标题等）。它匹配一个以单引号或双引号开头和结尾的 href（它不区分，并允许 href 以一个开头并以另一个结尾）。
【讨论】：