首次用Python做网页爬虫失败，Python for Everyone中urllib示例无预期输出

核心问题出在正则表达式的写法错误：

• 正则开头添加的^是行/字符串起始匹配锚点，而HTML内容中href属性前必然存在<a标签、空格等内容，不可能处于行首位置，导致re.findall无法匹配到任何结果，因此没有输出。

修正后代码 #

仅需删除正则开头的^锚点即可正常运行：

# 从输入的URL中提取链接
import urllib.request, urllib.parse, urllib.error
import re
import ssl

# 忽略SSL证书错误
ctx = ssl.create_default_context()
ctx.check_hostname = False
ctx.verify_mode = ssl.CERT_NONE

url = input("Enter- ")
html = urllib.request.urlopen(url, context = ctx).read()
# 移除开头的^锚点即可匹配所有符合规则的href属性
links = re.findall(b'href="(http[s]?://.*?)"', html)

for link in links:
    print(link.decode())

可选优化建议 #

• 如需兼容部分不规范的HTML写法（比如href前存在多个空格），可将正则调整为b'\s*href="(http[s]?://.*?)"'，提升匹配兼容性。
• 实际开发场景中不推荐使用正则解析HTML，可选择BeautifulSoup等专用HTML解析库，容错能力和解析准确率更高。

内容的提问来源于stack exchange，提问作者sourabh patel