Bonjour,

Je souhaite récupérer les liens d'une page web, sauf que ma regex marche mal.

Mon code :

re.findall('<a href="?(.*?)"#^\.#>',html.decode())

Le problème est qu'il sélectionne aussi se qu'il y a après. Comment puis-je faire ?

Merci de vos lecture/réponse.

Salut utilise $ pour dire qu'après il n'y a plus rien.

re.findall('<a href="?(.*?)"#^\.#>$',html.decode())

-
Edité par InhumanRampage 14 janvier 2015 à 15:41:30

Merci bien ;).

Mais maintenant si je veux récuperer un chaine de caractère entre 2 autre chaine, comment dois-je faire ?

Car j'ai fait ceci : resultat = re.findall('<span class="military_box_info mb_bottom">(.*?)</span>$', the_page.decode())

Sauf qu'il me dit systématiquement que ne récupère rien  ...

et hop !

une petite regex et corrigée en plus

\<a href ?= ?\"(?P<entete>https?://)?(?P<corps>.+)\" ?\>

pour tester :

https://regex101.com/r/vO4jF0/1

edit : modif' au groupe entete pour capter aussi les httpS

-
Edité par Anonyme 14 janvier 2015 à 16:45:30