从网上提取图像文件名[关闭]答案

【问题标题】：extracting image file name from the web [closed]从网上提取图像文件名[关闭]
【发布时间】：2013-12-08 02:50:14
【问题描述】：

我正在尝试从网络上抓取图像信息，我想知道是否有任何方法可以提取图像文件名。例如，如果以下 HTML 表达式存储在源代码中，

 <img src=http://www.adbongo.com/wp-content/uploads/2013/09/digital-bongo.jpg>,

我想提取digital-bongo.jpg 部分。

谢谢，

【问题讨论】：

使用 HTML 解析器？当然，我会避免使用正则表达式。
嗯...这实际上可能是一个更好的主意...谢谢。
该条目是否可能只是 <img src="digital-bongo.jpg"> ？或者<img src="http://mysite/imgejpg.jpg"> 怎么样？如果是这样，那么src=["']?(?:.*/|/)?(.*(?:png|jpg|gif))(?:\1)?.*>

标签： python regex web-crawler

【解决方案1】：

import os
>>> path,file_=os.path.split('http://www.adbongo.com/wp-content/uploads/2013/09/digital-bongo.jpg')
>>> file_
'digital-bongo.jpg'

【讨论】：

...path,file ?以前从未见过这样的表达......有趣
太棒了！太感谢了！ :)
注释文件是保留字。应该使用 file_ 或其他一些变量名。我无法编辑，因为更改少于 SO 不允许的 6 个字符。
感谢@Bufke 根据您的建议更改了 :)

【解决方案2】：

命名html内容的来源htmlcontent，然后使用lxml解析页面：

>>> from lxml import etree
>>> html = etree.HTML(htmlcontent)
>>> for node in html.xpath('//img/@src'):
...     print(node.text.rsplit('/', 1)[1])

【讨论】：

【解决方案3】：

使用 BeautifulSoup。这将拉出所有链接； .jpg、.gif、.png 等。然后您可以使用进一步的代码细化来获得 just jpg 或 gif 或其他...

import urllib2
from bs4 import BeautifulSoup

url1 = "http://www.thrashermagazine.com"
content1 = urllib2.urlopen(url1).read()
soup = BeautifulSoup(content1)
for link in soup.findAll('img'):
   print link.get('src')
### or alternatively ###
for link in soup.findAll('img'):
   stuff = link.get('src')
   if '.jpg' in stuff:
      print stuff         #This will only print results with .jpg

*只需将您的 url 放在那里。我以它为例。

【讨论】：