爬虫网址

标签：

1. #获取<a href></a>中的URL  
2. print u‘\n获取链接中URL:‘  
3. res_url = r"(?<=href=\").+?(?=\")|(?<=href=\‘).+?(?=\‘)"  
4. link = re.findall(res_url ,  content, re.I|re.S|re.M)
5. for url in link:  
6.  print url  

(?<=href=\").+?(?=\")|(?<=href=\‘).+?(?=\")"

(?<=href=\").+?(?=\")

前边是href="有一个或多个.

最后一个字符是“    前边的\是转意

 绿色部分很重要，是正则的贪婪表示，取最小部分匹配。

http://blog.csdn.net/eastmount/article/details/51082253。。。。。。。。。。。受益匪浅

爬虫网址

标签：

原文地址：http://www.cnblogs.com/8335IT/p/5496516.html