瞭解這個正則表達式

Question

我有一個正則表達式，我從互聯網上獲得了匹配URL鏈接的<a>標籤。看起來如下：

variable = re.compile('<a\s(?:.*?\s)*?href=[\'"](.*?)[\'"].*?>') 

會有人請解釋我是這樣打算彭定康究竟如何來匹配<a>標籤的內容是什麼？

我對Unix中的正則表達式有基本的理解，但這對我來說看起來太複雜了，並且非常感謝任何人向我解釋這一點。

Answer 1

'<a\s(?:.*?\s)*?href=[\'"](.*?)[\'"].*?>'

可以打破它。

• <a就是這樣，一個標籤的開始。
• \s表示空白。
• (?:.*?\s)*?意味着一個非捕獲組，重複儘可能多的次數，或根本沒有， 該組的內容是.*?：任何東西，然後是空白。
• href=就是這個標籤的一部分。
• [\'"]意味着要麼'或"
• (.*?)是您的捕獲組，捕捉任何東西。
• [\'"]意味着要麼'或"
• .*?什麼，或者什麼都不
• >只是，標籤結束。

這是什麼意思在英語？

<a ANYTHING href=URL>

都被忽略，而URL被捕獲。

小細節：

• URL被用引號包圍字符，要麼'或"（因此包括在正則表達式）。
• ANYTHING是鏈接上可能存在的屬性。
• 如果你瞭解基本的HTML，那麼你知道，任何一個環節是在標籤<a> ... </a>或<a ... >
• 的href=是我們想要的屬性 - 這是鏈接地址。

Answer 2

嘛@Inbar玫瑰已經回答了你的問題詳細， 但可能有一些聯繫，當你使用正則表達式得到的鏈接，這將有問題..Incase可以通過使用普通的分割函數來獲取它們，同時考慮到一般的html語法 -

a='<a href="http://www.google.com">'r 
print a.split('href=')[1].split('"')[1] 

>> http://www.google.com