标签：
要在hrml文件中找出特定的内容，首先需要观察该内容是什么东西，在什么位置，这样才能找出来。
假设html的文件名称是:"1.html"、href属性全都在a标签里。
正则版：
#coding:utf-8 import re with open(‘1.html‘,‘r‘) as f: data = f.read() result = re.findall(r‘href="(.*?)"‘,data) for each in result: print each
Xpath版：
#coding:utf-8 from lxml import etree with open(‘1.html‘, ‘r‘) as f: data = f.read() selector = etree.HTML(data) result = selector.xpath(‘//a/@href‘) for each in result: print each
Xpath版比正则版多了一行····，这个html文件似乎有点长贴上来的时候显示502，求解。
似乎编辑器没有上传附件的地方？
Python每日一练(2):找出html中的所有链接（Xpath、正则两个版本）
标签：
原文地址：http://www.cnblogs.com/sxcmos/p/5144542.html
