主页 / 问题 / 1370855
Accepted
Елена Сергеева
Asked:2022-06-12 23:11:05 +0000 UTC2022-06-12 23:11:05 +0000 UTC

如何使用正则表达式从 html 页面获取所有 url？

  • 772

如何从页面代码中获取所有网址？

有一个像这样的正则表达式：

pattern = r'''http[\:/a-zA-Z0-9\.\?\=&]*'''

但它切断了一些链接，也就是说，如果有一个像“https://ria.ru/20220111/kazakhstan-1767350602.html”这样的链接，那么输出就是“https://ria.ru/20220111/kazakhstan” "

python

1 个回答

  1. Best Answer

    出于您的目的，我建议不要使用正则表达式，而是使用更快的表达式。例如图书馆bs4。

    import bs4
import requests

soup = bs4.BeautifulSoup(requests.get("https://www.google.com").text, "html.parser")
urls = soup.find_all("a")
clear_urls = [url.get("href") for url in urls]
print(clear_urls)

    好吧，或者这里是解析 URL 的完整正则表达式：

    • 3

相关问题