Python利用正则表达式提取新闻标题与链接

Nora

发布时间：2026-10-13 | 3人浏览过

原创

本文介绍使用Python正则表达式从网页中提取新闻标题及链接的具体实现方法。通过urllib获取页面内容，利用正则匹配特定HTML结构，并对提取结果进行字符串替换处理，最终将标题和链接保存至本地文件。

本文通过具体实例，演示如何使用Python的正则表达式功能来抓取新闻标题及其对应的链接地址。该方案旨在为读者提供可参考的代码实现与思路。

#-*-coding:utf-8-*-
import re
from urllib import urlretrieve
from urllib import urlopen
#获取网页信息
doc = urlopen("http://www.itongji.cn/news/").read() #自己找的一个大数据的新闻网站
#抓取新闻标题和链接
def extract_title(info):
  pat = '<h3><a target=\"_blank\"(.*?)</a></h3>'
  title = re.findall(pat, info)
  titles='\n'.join(title)
  #print titles
#修改指定字符串
  titles1=titles.replace('class="title"','title')
  titles2=titles1.replace('>',':')
  titles3=titles2.replace('href','url:')
  titles4=titles3.replace('="/','"http://www.itongji.cn/')
#写入文件
  save=open('xinwen.txt','w')
  save.write(titles4)
  save.close()
titles = extract_title(doc)

此外，为方便读者进行正则表达式的调试与生成，推荐以下两款实用的在线工具：

JavaScript正则表达式在线测试工具： http://tools.jb51.net/regex/javascript

正则表达式在线生成工具： http://tools.jb51.net/regex/create_reg

如需深入了解Python相关技术，可参考本站系列专题，包括《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》以及《Python文件与目录操作技巧汇总》。

期望上述内容能对读者的Python编程实践提供有益帮助。