python - 无法在python中使用正则表达式从字符串中获取整个链接

Question

我有以下字符串，我想解析出链接。

字符串=

'<td scope="row"><a href="/Archives/edgar/data/886982/000076999319000460/xslForm13F_X01/InfoTable_2019-08-09_Final.xml">InfoTable_2019-08-09_Final.html</a></td>None

所以本质上是抓取 'href=' 和 '">' 之间的所有内容

结果应该是:/Archives/edgar/data/886982/000076999319000460/xslForm13F_X01/InfoTable_2019-08-09_Final.xml

这是我试过的:

test = re.search('(?<=href).?(?=.xml)', final_link_str)*

对于踢腿和咯咯笑，我也尝试过这个，在 href 之后捕获所有东西，

test = rtest = re.search('(?<=href).', final_link_str)*

无论我做什么，输出的只是整个链接的一部分。

这是我得到的结果:

<re.Match object; span=(23, 163), match='="/Archives/edgar/data/886982/000076999319000460/>

Answer 1

考虑改用 BeautifulSoup 解析 HTML:

from bs4 import BeautifulSoup

string = '<td scope="row"><a href="/Archives/edgar/data/886982/000076999319000460/xslForm13F_X01/InfoTable_2019-08-09_Final.xml">InfoTable_2019-08-09_Final.html</a></td>None'
soup = BeautifulSoup(string, 'html.parser')
href = soup.find('a')['href']

结果:

/Archives/edgar/data/886982/000076999319000460/xslForm13F_X01/InfoTable_2019-08-09_Final.xml