python之新手 Python/正则表达式 : pull strings between a> tags using regex

需要使用 re 模块在 Python 中的 href 属性标签之间拉取字符串。

我尝试了很多模式，例如:

patFinderLink = re.compile('\>"(CVE.*)"\<\/a>') 

示例:我需要从以下位置提取标签之间的内容(在本例中为“CVE-2010-3718”):

<pre> 
<a href="https://www.redhat.com/security/data/cve/CVE-2010-3718.html">CVE-2010-3718</a> 
</pre> 

我在这里做错了什么？任何意见是极大的赞赏。提前谢谢你。

太阳

请您参考如下方法:

您需要使用正则表达式吗？我不认为你这样做，你不能用正则表达式解析 SGML，因为 SGML 本身不是正则的，请参阅这个著名的 stackoverflow 答案的推理:https://stackoverflow.com/a/1732454/88123

无论如何。您应该使用 lxml Python 模块及其 xpath 实现。 xpath 支持选择以...开头的文本。

在这种情况下，XPath 将是 //h1/text()。

或者，使用 BeautifulSoup Python 模块。