Python -- 正则表达式 -- 如何在两组字符串之间找到一个字符串

Question

考虑以下几点:

<div id=hotlinklist>
  <a href="foo1.com">Foo1</a>
  <div id=hotlink>
    <a href="/">Home</a>
  </div>
  <div id=hotlink>
    <a href="/extract">Extract</a>
  </div>
  <div id=hotlink>
    <a href="/sitemap">Sitemap</a>
  </div>
</div>

您将如何在 python 中使用正则表达式删除站点地图行？

<a href="/sitemap">Sitemap</a>

下面可以用来拉出 anchor 标签。

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

但是，有多个 anchor 标记。还有多个热链接，所以我们也不能真正使用它们吗？

Answer 1

不要使用正则表达式。使用 BeautfulSoup ，一个 HTML 解析器。

from BeautifulSoup import BeautifulSoup

html = \
"""
<div id=hotlinklist>
  <a href="foo1.com">Foo1</a>
  <div id=hotlink>
    <a href="/">Home</a>
  </div>
  <div id=hotlink>
    <a href="/extract">Extract</a>
  </div>
  <div id=hotlink>
    <a href="/sitemap">Sitemap</a>
  </div>
</div>"""

soup = BeautifulSoup(html)
soup.findAll("div",id="hotlink")[2].a

# <a href="/sitemap">Sitemap</a>