采用正则表达式获取html_doc.html文件中的所有<a>标签下的 class、href、id属性并保存成csv文件。

可以使用Python的BeautifulSoup库解析HTML文件，并结合re模块（正则表达式）来提取<a>标签下的class、href和id属性。首先确保已安装这两个库（`beautifulsoup4`和`lxml`），然后按照以下步骤操作：

1. 导入必要的库：

import csv
from bs4 import BeautifulSoup
import re

2. 读取HTML文件：

with open('html_doc.html', 'r') as file:
    html_content = file.read()

3. 使用BeautifulSoup解析HTML内容：

soup = BeautifulSoup(html_content, 'lxml')

4. 定义正则表达式模式来匹配class、href和id属性：

attr_patterns = {
    'class': r'class="(.*?)"',
    'href': r'href="(.*?)"',
    'id': r'id="(.*?)"'
}

5. 遍历所有的<a>标签并提取所需属性：

results = []
for a_tag in soup.find_all('a'):
    for attr, pattern in attr_patterns.items():
        match = re.search(pattern, str(a_tag))
        if match:
            results.append((attr, match.group(1)))

6. 将结果保存到CSV文件：

with open('output.csv', 'w', newline='') as csvfile:
    fieldnames = ['Attribute', 'Value']
    writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
    writer.writeheader()
    writer.writerows(results)