爬虫网址

#获取<a href></a>中的URL
print u'\n获取链接中URL:'
res_url = r"(?<=href=\").+?(?=\")|(?<=href=\').+?(?=\')"
link = re.findall(res_url ,  content, re.I|re.S|re.M)
for url in link:
 print url

 

(?<=href=\").+?(?=\")|(?<=href=\').+?(?=\")"

(?<=href=\").+?(?=\")

前边是href="有一个或多个.

最后一个字符是“    前边的\是转意

 绿色部分很重要，是正则的贪婪表示，取最小部分匹配。即匹配时，为避免多取不必要部分，贪婪模式一般尽量取得满足要求的最少部分的文字或编码。

http://blog.csdn.net/eastmount/article/details/51082253 转载出处