微信公众号搜"智元新知"关注
微信扫一扫可直接关注哦!

正则匹配页面所有A标签

工作需要需要爬去百度百科,需要提取页面中所有A标签的网址。方法如下:

匹配页面所有A标签正则: 

 <a.+?href=\"(.+?)\".*>(.+)</a>

换行版本

<a[^>]+?href=\"([^\"]+)\"[^>]*>([^<]+)</a>

增强版本:

可以匹配href后面跟 单引号,双引号或者不跟符号的情况:

<a[^>]+?href=["']?([^"']+)["']?[^>]*>([^<]+)</a>

匹配指定路径版本

<a[^>]+?href=["']/item/?([^"']+)["']?[^>]*>([^<]+)</a>


版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐