使用BeautifulSoup获取与扩展名匹配的文件名

Question

我试图解析一个HTML页面,BeautifulSoup其中包含文本文件,以.txt扩展名结尾.我想解析HTML,并获取以...结尾的字符串.txt.

所有这些字符串都在一个<a href>标记内,这里有一些例子:

<a href = "foo.txt">

<a href = "bar.txt">

我怎么得到foo.txt和bar.txt.

我这样做了:

>>> links = soup.findAll('a')

但是我找不到如何提取完整的字符串...有什么建议吗？

Answer 1

BeautifulSoup接受regexp作为参数形式find(),findAll() 这应该工作:

links = soup.findAll(href=re.compile("\.txt$"))