请问如何用python同时解析出url,和text
我想解析一个网页。类似如下结构
<a href=http://news.mydrivers.com/1/195/195451.htm >Ubuntu 11.10上路</a>
我想同时得到href值http://news.mydrivers.com/1/195/195451.htm
和内容,也就是“Ubuntu 11.10上路”。请问如何操作啊?
(最好给个代码,从网上找的只能获取url。本人刚学python,请赐教)
<a href=http://news.mydrivers.com/1/195/195451.htm >Ubuntu 11.10上路</a>
我想同时得到href值http://news.mydrivers.com/1/195/195451.htm
和内容,也就是“Ubuntu 11.10上路”。请问如何操作啊?
(最好给个代码,从网上找的只能获取url。本人刚学python,请赐教)
作者: yuyangdownload5 发布时间: 2011-06-04
使用正则表达式的分组。
Python code
Python code
>>> pat = re.compile("<a href=(?P<url>\S*)\s*>(?P<text>[^<]*)</a>") >>> s = u"<a href=http://news.mydrivers.com/1/195/195451.htm >Ubuntu 11.10上路</a>" >>> m = pat.match(s) >>> m.groupdict() 83: {'text': u'Ubuntu 11.10\u4e0a\u8def', 'url': u'http://news.mydrivers.com/1/195/195451.htm'} >>> print m.group('url') http://news.mydrivers.com/1/195/195451.htm >>> print m.group('text') Ubuntu 11.10上路
作者: panghuhu250 发布时间: 2011-06-05