次の行を含むhtmlファイルがあります。
a = '<li><a href="?id=11&sort=&indeks=0,3" class="">H</a></li>'
私が検索するとき：
re.findall(r'href="?(\S+)"', a)
期待どおりの出力が得られます：
['?id=11&sort=&indeks=0,3']
ただし、次のようにパターンに「i」を追加すると、次のようになります。
re.findall(r'href="?i(\S+)"', a)
私は得る：
[ ]
キャッチはどこですか？前もって感謝します。
問題は、?が特別な意味を持ち、文字通り一致していないことです。
修正するには、次のように正規表現を変更します。
re.findall(r'href="\?i(\S+)"', a)
それ以外の場合、はに?適用されるオプションの変更として扱われます"。これは、最初の例では（偶然に）機能しますが、2番目の例では機能しません。
個人的には、Python に組み込まれている HTMLParser は、このような場合に非常に役立つと思います。これはやり過ぎだとはまったく思いません。正規表現よりもはるかに読みやすく、保守しやすいと思います。
>>> class HrefExtractor(HTMLParser.HTMLParser):
... def handle_starttag(self, tag, attrs):
... if tag == 'a':
... attrs = dict(attrs)
... if 'href' in attrs:
... print attrs['href']
...
>>> he = HrefExtractor()
>>> he.feed('<a href=foofoofoo>')
foofoofoo
ここでキャッチするのは?、正規表現で特別な意味を持ち、ゼロまたは 1 回の出現を定義することです。したがって、<a>タグから href 値が必要な場合は、- を使用する必要があります。
re.findall(r'href="(\?\S+)"', a)
ではない
re.findall(r'href="?(\S+)"', a)
したがって、? の特別な意味を使用していない場合は、a または b のようにエスケープするか、a または b の\?ように使用する必要があります。ab?あなたの使い方は？不適切です。