无法仅获得 1 次链接

Question

我在 HTML 的锚标记内有 3 个唯一链接。所有链接出现 2 次。我想做的是使用 python 正则表达式匹配仅获取一次 3 个链接但无法这样做，仅此而已。

这是我的 HTML:

<html>
    <body>
        <ul class="asidemenu_h1">
            <li class="top">
            <h3>Mobiles</h3>
            </li>
            <li>
                <a href="http://www.mega.pk/mobiles-apple/" title="Apple Mobiles Price">Apple</a>
            </li>
            <li>
                <a href="http://www.mega.pk/mobiles-asus/" title="Asus Mobiles Price">Asus</a>
            </li>
            <li>
                <a href="http://www.mega.pk/mobiles-black_berry/" title="Black Berry Mobiles Price">Black Berry</a>
            </li>
        </ul>

        <ul class="start2" id="start2ul63" style="visibility: hidden; opacity: 0;">
            <li>
            <h3>Mobiles</h3>
                <ul class="start3 bolder-star">
                    <li>
                        <a href="http://www.mega.pk/mobiles-apple/">Apple</a>
                    </li>
                    <li>
                        <a href="http://www.mega.pk/mobiles-asus/">Asus</a>
                    </li>
                    <li>
                        <a href="http://www.mega.pk/mobiles-black_berry/">Black Berry</a>
                    </li>
                </ul>
            </li>
        </ul>
    </body>
</html>

这是我的方法 (1) 使用 for 循环与正则表达式匹配：

for link in soup.find_all("a", href=re.compile(r'(http:\/\/www\.mega\.pk\/mobiles-[A-z]+\/)(?=.*)', re.DOTALL)):
    link.get('href')

这个returns什么都没有。

这是我的方法 (2) 使用 for 循环与正则表达式匹配：

for link in soup.find_all("a", href=re.compile(r'(http:\/\/www\.mega\.pk\/mobiles-\w+\/)(?!.*)', re.UNICODE | re.DOTALL)):
    link.get('href')

此 returns 重复链接。

Answer 1

获取所有在 href 内具有 mobiles 且带有 CSS selector:

的链接

soup.select("ul.asidemenu_h1 a[href*=mobiles]")

请注意，我限制它在 ul 中搜索具有 asidemenu_h1 class 的链接 - 仅此一项就可以帮助您避免重复。 *= 这里表示 "contains".

如果您坚持使用正则表达式来检查 href 值：

menu = soup.find("ul", class_="asidemenu_h1")
links = menu.find_all("a", href=re.compile(r"mega\.pk\/mobiles-[a-zA-Z0-9_-]+\/$"))
for link in links:
    print(link.get_text())

无法仅获得 1 次链接

Unable to get only 1 occurrence of links

html

python

regex

beautifulsoup

html-parsing