Question

我有一个如下的html文件：

<form action="/2811457/follow?gsid=3_5bce9b871484d3af90c89f37" method="post">
<div>
<a href="/2811457/follow?page=2&amp;gsid=3_5bce9b871484d3af90c89f37">next_page</a>
&nbsp;<input name="mp" type="hidden" value="3" />
<input type="text" name="page" size="2" style='-wap-input-format: "*N"' />
<input type="submit" value="jump" />&nbsp;1/3
</div>
</form>

如何在next_page中提取href“”/ 2811457 / follow？page = 2＆amp; gsid = 3_5bce9b871484d3af90c89f37？

这是html的一部分，我打算说清楚。当我使用beautifulsoup时，

print soup.find('a',href=re.compile('follow?page'))

它返回无，为什么？我是beautifulsoup的新手，我看过文档，但仍然感到困惑。

现在我用一种丑陋的方式：

    urls = soup.findAll('a',href=True))
    for url in urls:
        if follow?page in url:
            print url

我需要一种更加清晰和优雅的方式。

Answer 1

你需要逃避问号。正则表达式w?表示zero or one w。试试这个：

print soup.find('a', href = re.compile(r'.*follow\?page.*'))

beautifulsoup无法使用正则表达式在文件中找到href

1 个答案: