python - 正则表达式-处理 null(当表达式之间不存在字符时)

Question

我遇到了正则表达式的情况。

我的文字看起来像:

text='abcd<a href="></a></div>abcd<i><a href=">World Bank</a>'

我想捕获所有超链接，我编写的正则表达式如下-

re.findall("<a href=.+?>(.+?)</a>", text, re.DOTALL)

当我运行它时，它给了我一个输出:

['</a></div>abcd<i><a href=">World Bank']

出现上述输出是因为

之间没有字符

<a href="></a> 

当我在上述表达式之间插入任何字符时，我会得到正确的输出。

根据上面的文本，我需要一个输出

['World Bank']

如何修改正则表达式以获得上述输出。

Answer 1

为什么不使用 HTML 解析器来代替？

使用 BeautifulSoup 的示例:

In [1]: from bs4 import BeautifulSoup

In [2]: text = 'abcd<a href="></a></div>abcd<i><a href=">World Bank</a>'
In [3]: soup = BeautifulSoup(text, "html.parser")

In [4]: [a.get_text() for a in soup.find_all("a")]
Out[4]: [u'World Bank']