相关疑难解决方法(0)

可能重复:
检查字符串是否为有效URL的最佳正则表达式是什么？

考虑如下字符串:

string = "<p>Hello World</p><a href="http://example.com">More Examples</a><a href="http://example2.com">Even More Examples</a>"

我怎么能用Python在锚标记的href中提取网址？就像是:

>>> url = getURLs(string)
>>> url
['http://example.com', 'http://example2.com']

谢谢!

关于:使用Python在文本中查找超链接(与twitter相关)

如何只提取网址,以便将其放入列表/数组？

编辑

让我澄清一下,我不想将URL解析成碎片.我想从字符串的文本中提取URL以将其放入数组中.谢谢!

我想删除字符串中的所有URL(用""替换它们)我搜索过但却找不到我想要的东西.

例:

text1
text2
http://url.com/bla1/blah1/
text3
text4
http://url.com/bla2/blah2/
text5
text6
http://url.com/bla3/blah3/

我希望结果如下:

text1
text2
text3
text4
text5
text6

我只是想在字符串中找到并替换所有出现的twitter url(tweet):

输入:

这是一条带有网址的推文:http://t.co/0DlGChTBIx

输出:

这是一条带有网址的推文:

我试过这个:

p=re.compile(r'\<http.+?\>', re.DOTALL)
tweet_clean = re.sub(p, '', tweet)

我希望这个问题不是RTFM问题.我正在尝试编写一个Python脚本,从标准HTML网页(<link href...标签)中提取链接.我在网上搜索匹配的regexen,发现了许多不同的模式.是否有任何商定的标准正则表达式匹配链接？

亚当

更新: 我实际上正在寻找两个不同的答案:

1. 什么是解析HTML链接的库解决方案.美丽的汤似乎是一个很好的解决方案(谢谢,Igal Serban和cletus!)
2. 可以使用正则表达式定义链接​​吗？

给出像这样的HTML链接

<a href="urltxt" class="someclass" close="true">texttxt</a>

我该如何隔离网址和文字？

更新

我正在使用Beautiful Soup,我无法弄清楚如何做到这一点.

我做到了

soup = BeautifulSoup.BeautifulSoup(urllib.urlopen(url))

links = soup.findAll('a')

for link in links:
    print "link content:", link.content," and attr:",link.attrs

我明白了

*link content: None  and attr: [(u'href', u'_redirectGeneric.asp?genericURL=/root    /support.asp')]*  ...
...

为什么我错过了内容？

编辑:详细说明'卡住'建议:)