做蜘蛛写了一个匹配链接的正则~

ybbqy

看还有啥情况没考虑到的
r'<a.*?href\s*=\s*[\'"\s]*(.*?)(?:[\'">]|$)'
准备做个舆情网站www.windowdata.com

代码：
----------------------------------------------------------------------------------------------------------------
# -*- coding: gbk -*-

import re

content="""
<a href=11111>11111</a>
<a href="222">222</a>
<a href='333'>333</a>
<a href=         '444'     >444</a>
<a href=         555     >555</a>
<a href=         666
<a id="a_comment" href="#FeedBack" Title = "评论">
<a class="a_edit" href="http://writeblog.csdn.net/PostEdit.aspx?entryId=2011046" title="编辑">编辑</a>
<a href='m&#97;ilto&#58;webmaster&#64;csdn&#46;net?subject=Article%20Report!!!&body=Author:whycadi%0D%0AURL:http://blog.csdn.net/ArticleCont ... amp;Entryid=2011046>举报</a>
<a href=         777.777.777.com"""
ret=re.findall(r'<a.*?href\s*=\s*[\'"\s]*(.*?)(?:[\'">]|$)',content)
print "\r\n".join(ret)

[ 本帖最后由 ybbqy 于 2009-11-23 21:06 编辑 ]

crskykkf

<a
  href="#">我换行</a>

wolfg

也可以试试用BeautifulSoup实现