Question

我正在尝试在链接中搜索整个单词pid但有点这也是在此代码中搜索id

    for a in self.soup.find_all(href=True):

        if 'pid' in a['href']:
            href = a['href']
            if not href or len(href) <= 1:
                continue
            elif 'javascript:' in href.lower():
                continue
            else:
                href = href.strip()
            if href[0] == '/':
                href = (domain_link + href).strip()
            elif href[:4] == 'http':
                href = href.strip()
            elif href[0] != '/' and href[:4] != 'http':
                href = ( domain_link + '/' + href ).strip()
            if '#' in href:
                indx = href.index('#')
                href = href[:indx].strip()
            if href in links:
                continue

            links.append(self.re_encode(href))

Answer 1

如果您的意思是希望它匹配/pid/0002而不是/rapid.html这样的字符串，那么您需要排除任何一方的字词。类似的东西：

>>> re.search(r'\Wpid\W', '/pid/0002')
<_sre.SRE_Match object; span=(0, 5), match='/pid/'>
>>> re.search(r'\Wpid\W', '/rapid/123')
None

如果＆＃39; pid＆＃39;可能在字符串的开头或结尾，您需要添加额外的条件：检查行的开头/结尾或非单词字符：

>>> re.search(r'(^|\W)pid($|\W)', 'pid/123')
<_sre.SRE_Match object; span=(0, 4), match='pid/'>

有关特殊字符的详细信息，请参阅the docs。

您可以像这样使用它：

pattern = re.compile(r'(^|\W)pid($|\W)')
if pattern.search(a['href']) is not None:
    ...

如果条件，在python中正则表达式搜索

1 个答案: