求匹配不带nofollow链接的正则

alexkh

是这样的，需要匹配出不带rel="nofollow"的链接，因为一带nofollow链接就没意思了。下面是例子：
<a href="www.baidu.com">
<a rel="nofollow" href="www.baidu.com">
<a href="www.baidu.com" rel="nofollow">
我想通过正则过滤掉第2，3种，只保留不带rel="nofollow"的第一种。我在网上搜了下是用?!，但这个确实不会写。
求高手帮忙，现在这里谢过了！

GhostFromHeaven

回复 1# alexkh

1. #-*- coding:utf-8 -*-
   
2. 
   
3. import re
   
4. def filter_nofollow(urls):
   
5.     pattern = re.compile('.*rel="nofollow".*')
   
6.     follow = lambda x: not pattern.match(x)
   
7.     return filter(follow, urls)
   
8. 
   
9. if __name__ == "__main__":
   
10.     urls = [ \
    
11.     '<a href="www.baidu.com">',
    
12.     '<a rel="nofollow" href="www.baidu.com">',
    
13.     '<a href="www.baidu.com" rel="nofollow">']
    
14.    
    
15.     print filter_nofollow(urls)
    
16. 
    

复制代码

alexkh

回复 2# GhostFromHeaven


    先谢谢了。不知道能不能实现一个正则就将那个链接过滤出来的。因为我想查询一批网页，看这些网页中是否有不带nofollow的某网站链接。

dddouxin999

针对你这个例子的：

1. import re
   
2. 
   
3. a = '''<a rel="nofollow" href="www.baidu.com"><a href="www.baidu.com"><a href="www.baidu.com" rel="nofollow">'''
   
4. 
   
5. print re.search('''<a\s(?!rel="nofollow").*?(?<!rel="nofollow")>''', a).group()

复制代码

GhostFromHeaven

LS正解

参考：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html