求匹配不帶nofollow鏈接的正則

alexkh

是這樣的，需要匹配出不帶rel="nofollow"的鏈接，因為一帶nofollow鏈接就沒意思了。下面是例子：
<a href="www.baidu.com">
<a rel="nofollow" href="www.baidu.com">
<a href="www.baidu.com" rel="nofollow">
我想通過正則過濾掉第2，3種，只保留不帶rel="nofollow"的第一種。我在網(wǎng)上搜了下是用?!，但這個確實不會寫。
求高手幫忙，現(xiàn)在這里謝過了！

GhostFromHeaven

回復 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. 
    

復制代碼

alexkh

回復 2# GhostFromHeaven


    先謝謝了。不知道能不能實現(xiàn)一個正則就將那個鏈接過濾出來的。因為我想查詢一批網(wǎng)頁，看這些網(wǎng)頁中是否有不帶nofollow的某網(wǎng)站鏈接。

dddouxin999

針對你這個例子的：

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()

復制代碼

GhostFromHeaven

LS正解

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