正则表达式，负面回顾，防止匹配

Question

我在使用Python中的正则表达式逻辑时遇到了一些麻烦。我想写一个正则表达式，如果字符串以子字符串结尾，不返回匹配。最后，我试图排除我在href标记的<a>属性中找到的二进制文件的任何链接。 （这是在Scrapy中实施的）

我的问题是，如果我的正则表达式为[^ \t\n\r\f\v]+[\/]?(?<!.pdf)并且找到指向someDocument.pdf的链接，则会返回someDocument.pd

如果发现该字符串，我怎么能防止返回任何匹配？

Answer 1

如果您使用scrapy，那么您可能需要在正则表达式的末尾添加$：

[^ \t\n\r\f\v]+[\/]?(?<!\.pdf)$

如果有任何方法可以使用项目中的BeautifulSoup，请尝试：

htmls = '''<a href="adssad/asdasd/asd.pdf">M</a> <a href='asdasdasdas/asdasd/asdasd.doc'></a>'''
soup = BeautifulSoup(htmls)
for link in soup.findAll("a", {"href":re.compile("(?<!\.pdf)$")}):
    print link['href']