python - 我需要一个用于 python 中 mp3 文件 url 的 href 属性的正则表达式

Question

基于之前的堆栈溢出问题和 cgoldberg 的贡献，我使用 python re 模块想出了这个正则表达式:

import re
urls = re.finditer('http://(.*?).mp3', htmlcode)

变量 urls 是一个可迭代对象，如果有多个 mp3 文件 url，我可以使用循环单独访问每个 mp3 文件:

for url in urls:
    mp3fileurl = url.group(0)

然而，这种技术只在某些时候有效。我意识到正则表达式不会像完全成熟的解析器模块那样可靠。但是，有时，对于同一页面，这并不可靠。

对于某些 url 条目，我有时会收到 http 之前的所有内容。

我对正则表达式比较陌生。所以，我只是想知道是否有更可靠的方法来解决这个问题。

提前致谢。stackoverflow 的新手，也期待提供一些答案。

Answer 1

正如其他答案所指出的，使用正则表达式解析 HTML = 坏主意。

考虑到这一点，我将添加我最喜欢的解析器的代码:BeautifulSoup :

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup(htmlcode)
links = soup.findAll('a', href=True)
mp3s = [l for l in links if l['href'].endswith('.mp3')]
for song in mp3s:
    print link['href']