發現錨文本的時候有標籤有

Question

我想找到一對<一個>標籤鏈接到指定網站

下面的文字是我使用查找內容重新串：

r'''(<a([^<>]*)href=("|')(http://)?(www\.)?%s([^'"]*)("|')([^<>]*)>([^<]*))</a>''' % our_url 

其結果將是這樣的：

r'''(<a([^<>]*)href=("|')(http://)?(www\.)?stackoverflow.com([^'"]*)("|')([^<>]*)>([^<]*))</a>''' 

這是偉大的大多數鏈接，但它與在它的標籤的鏈接錯誤。

([^<]*))</a>''' 

到：我試圖改變正則表達式的最後部分

(.*))</a>''' 

但是，剛剛得到的鏈接，這是我不希望以後的頁面上的所有內容。我有什麼建議可以解決這個問題嗎？

Answer 1

相反的：

[^<>]* 

嘗試：

((?!</a).)* 

換句話說，匹配是不是開始的任何字符一個</a序列。

Answer 2

我不會使用正則表達式 - 使用像Beautiful Soup這樣的HTML解析器。

Answer 3

做一個非貪婪搜索即

(.*?) 

Answer 4

>>> import re 
>>> pattern = re.compile(r'<a.+href=[\'|\"](.+)[\'|\"].*?>(.+)</a>', re.IGNORECASE) 
>>> link = '<a href="http://stackoverflow.com/questions/603199/finding-anchor-text-when-there-are-tags-there">Finding anchor text when there are tags there</a>' 
>>> re.match(pattern, link).group(1) 
'http://stackoverflow.com/questions/603199/finding-anchor-text-when-there-are-tags-there' 
>>> re.match(pattern, link).group(2) 
'Finding anchor text when there are tags there'