正则的一个问题，大侠帮忙啊

[richiefans]

目前用的这个正则 <[a|A][^<>]href=\"([^\"]+)\"[^<>]>([^<>]+)<\/[a|A]>
可以匹配出诸如

<a href="url1.html">text1</a>
<a href="url1.html" target="_blank">text1</a>
<a class="c1" href="url1.html">text1</a>

目前发现在获取text的时候 有以下问题
如果是

<a href="url.html"><span>链接1</span></a>

就没办法获取了
请大侠帮忙解决下
或者有没有比较通用的提取链接的正则 目前在用python 不过正则应该没太大区别吧

[yangg]

匹配所有的，非贪婪

<[a|A][^<>]href=\"([^\"]+)\"[^<>]>([\s\S]*?)<\/[a|A]>

[kamal]

http://regexr.com?31tvf

[sivacohan]

python有urllib2，用来提取很方便。不然总会因为标签包含问题
或者你可以分为两部或者几步完成。第一步和一楼的一样。第二部，去查询之前第一步生成的结果集都保护哪些标签。

正则有一个问题就是你必须明确你有处理的文本情况。个人建议是逐步细化。

[zxyzxy12321]

http://stackoverflow.com/a/1732454/1232832

[ljbha007]

1楼正解 这个问题我以前也纠结了很久 用懒惰匹配到</a>为止即可，否则直接用[\s\S]的话会匹配到最后一个</a>为止

[rightgenius]

@zxyzxy12321 这链接太强大了！stackoverflow上的人真是大湿啊！

[reus]

可以用lxml来解析html，比正则方便很多

[hyq]

可以用SGML來處理HTML

[hyq]

另外,寫正則的時候,加個大小寫不敏感的flag,就不用判斷a|A