python - 编写 Python RegEx 以选择 HTML 中列表项的子集

Question

我有一个文件夹的 Web 索引 View ...

<ul><li><a href="/sustainabilitymedia/pics/s5/"> Parent Directory</a></li> 
<li><a href="n150850_.jpg"> n150850_.jpg</a></li> 
<li><a href="n150850_ss.jpg"> n150850_ss.jpg</a></li> 
<li><a href="n150850q.jpg"> n150850q.jpg</a></li> 
<li><a href="n150858_.jpg"> n150858_.jpg</a></li> 
<li><a href="n150858_ss.jpg"> n150858_ss.jpg</a></li> 
<li><a href="n150858q.jpg"> n150858q.jpg</a></li> 
<li><a href="n150906_.jpg"> n150906_.jpg</a></li> 
<li><a href="n150906_ss.jpg"> n150906_ss.jpg</a></li>
...

这个 list 一直在继续。我的目标是仅获取以 _ss.jpg 结尾的列表项，以便我可以呈现我的结果并将它们很好地显示在页面上以供演示。

我可以使用 BeautifulSoup 抓取页面，但从那里，我不确定如何过滤掉仅匹配特定模式的列表项。该页面位于 Basic Auth 后面，我在之前关于 BeautifulSoup 的问题中已经解决了这个问题。我也很高兴不用它。

有什么想法吗？

Answer 1

您可以使用正则表达式执行 findAll()，例如 soup_object.findAll('a', {'href': re.compile('.*_ss\.jpg')}).