正则表达式未按要求工作答案

【问题标题】：Regex not working as required正则表达式未按要求工作
【发布时间】：2016-07-27 09:45:37
【问题描述】：

这是我的 HTML 代码：

<ul class="hide menuSearchType">
    <li><a href="../../dynamic/city_select.aspx">Search by city</a></li>
    <li><a href="../../searchbyphone.aspx">Search by phone</a></li>
    <li><a href="../searchbyaddress.aspx">Search by address</a></li>
    <li><a href="../searchbybrand.aspx">Search by brand</a></li>
    <li><a href="/advertisement-center/">Advertise with us</a></li>
    <li><a href="/advertisement-center/">Advertise with us</a></li>
    <li><a href="//fonts.googleapis.com/css?family=Open+Sans">Find a Person</a></li>
    <li><a href="//fonts.googleapis.com/css?family=Open+Sans">Find a Person</a></li>
    <li><a href="dynamic/city_select.aspx">Search by city</a></li>
    <li><a href="searchbybrand.aspx">Search by brand</a></li>
</ul>

这是我的 Python 代码：

import re, os
from urllib.parse import urlparse

url = "http://www.phonebook.com.pk/dynamic/search.aspx?searchtype=cat&class_id=2566" 

path = urlparse(url)
lpath = os.path.dirname(path.path)

html = u"<ul class=\"hide menuSearchType\">\n    <li><a href=\"../../dynamic/city_select.aspx\">Search by city</a></li>\n    <li><a href=\"../../searchbyphone.aspx\">Search by phone</a></li>\n    <li><a href=\"../searchbyaddress.aspx\">Search by address</a></li>\n    <li><a href=\"../searchbybrand.aspx\">Search by brand</a></li>\n    <li><a href=\"/advertisement-center/\">Advertise with us</a></li>\n    <li><a href=\"/advertisement-center/\">Advertise with us</a></li>\n    <li><a href=\"//fonts.googleapis.com/css?family=Open+Sans\">Find a Person</a></li>\n    <li><a href=\"//fonts.googleapis.com/css?family=Open+Sans\">Find a Person</a></li>\n    <li><a href=\"dynamic/city_select.aspx\">Search by city</a></li>\n    <li><a href=\"searchbybrand.aspx\">Search by brand</a></li>\n</ul>"

linkList1 = re.findall(re.compile(u'(?<=href=")../.*?(?=")'), str(html))

for link1 in linkList:
    html = re.sub(link1, path.scheme + "://" + os.path.normpath(path.netloc + os.path.abspath(lpath + "/" + link1)), str(html))

print (html)

问题是它按预期检测到带有“../”的链接，但“../../”也发生了变化，有什么办法可以限制我的正则表达式只选择带有单个“../”的网址“？

预期输出：

<ul class="hide menuSearchType">
    <li><a href="../../dynamic/city_select.aspx">Search by city</a></li>
    <li><a href="../../searchbyphone.aspx">Search by phone</a></li>
    <li><a href="http://www.phonebook.com.pk/searchbyaddress.aspx">Search by address</a></li>
    <li><a href="http://www.phonebook.com.pk/searchbybrand.aspx">Search by brand</a></li>
    <li><a href="/advertisement-center/">Advertise with us</a></li>
    <li><a href="/advertisement-center/">Advertise with us</a></li>
    <li><a href="//fonts.googleapis.com/css?family=Open+Sans">Find a Person</a></li>
    <li><a href="//fonts.googleapis.com/css?family=Open+Sans">Find a Person</a></li>
    <li><a href="dynamic/city_select.aspx">Search by city</a></li>
    <li><a href="searchbybrand.aspx">Search by brand</a></li>
</ul>

【问题讨论】：

请使用解析器而不是正则表达式...
@ThomasAyoub 亲爱的先生，我不允许使用除正则表达式之外的任何东西。我公司的限制。
这里不适用，当你听到老板说他有权为所欲为时。
你能发布你预期的输出，这样我就可以用正则表达式给你更好的解决方案
@akashkarothiya 添加了预期的输出。

标签： python html regex

【解决方案1】：

按要求使用 BeautifulSoup ：

from bs4 import Beautifulsoup
soup = BeautifulSoup(html)
all = soup.select('li')
for i in all:
    try:
        output = re.sub(r'(?is)(href="../)([^.])','http://www.phonebook.com.pk/'+r'\2',str(i))
    except:
        output = i
    print(output)

【讨论】：

【解决方案2】：

您可以使用正则表达式替换字符串，

output = re.sub(r'(?is)(href="../)([^.])','http://www.phonebook.com.pk/'+r'\2',str(html))

【讨论】：

我会在@GiftZwergrapper 方法之后尝试。
它也在两个链接中选择“/”之后的第一个“s”
正则表达式运行良好，但在 python 代码中它给出了奇怪的输出。
你能告诉我如何在 BS4 中执行此操作吗，我将不胜感激，正则表达式无法解决问题，我不使用 BS4 的唯一原因是因为它很慢而且我不习惯它。
给你，看下面的答案

【解决方案3】：

尝试使用以下方法：

linkList1 = re.findall(re.compile(u'(?<=href=")../\w.*?(?=")'), str(html))

这保证斜线后面必须有一个单词字符。

【讨论】：

谢谢，你解决了我的问题，我花了 10 多个小时来测试不同的东西。
没问题，但你应该考虑使用解析器而不是正则表达式，即使你的老板不喜欢它。
@Giftwergrapper 好的，我会努力说服他的。
正则表达式运行良好，但在 python 代码中它给出了奇怪的输出。