获取一段字符串并用另一个替换？

Question

我正在寻找一种方法，将 HTML 文件中每行的“href”和“src”内容替换为其他字符串。所以，我需要替换这个：

<img src="images/file.png" alt="">

有了这个：

<img src="data:image/png;base64,PD94bWwgdmVyc2lvbj0i..." alt="">

其实我写了一个可以将文件转换为base64的函数。我需要搜索href/src，取他的文件路径内容，替换成base64版本的文件，但是不知道怎么做。

这里是文件转base64的函数：

def filetoB64 (fpath=None,raw=False):
    fstring = None
    fmime = None
    freturn = None

    if fpath is not None:
        if os.path.isfile(fpath):
            fmime = mimetypes.MimeTypes().guess_type(fpath)[0]

            if fmime in (filemimes['text'] + filemimes['image'] + filemimes['audio'] + filemimes['video']):
                with open(fpath,'rb') as f:
                    fcontent = f.read()
                    fstring = base64.encodestring(fcontent).replace('\n','')

                    if raw:
                        freturn = fstring
                    else:
                        freturn = ''.join(['data:',fmime,';base64,',fstring])
            else:
                freturn = fpath
        else:
            freturn = fpath

    return freturn

Answer 1

我假设您将文件转换为 base64 的功能完全正常。

如果要替换 HTML 代码中的某些标签，可以使用 regex，如下例所示：

import re

string = '<img src="images/file.png" href="http://wwww.linktoreplace.com", alt="">'

to_replace = re.findall('(\w+)="(.*?)"', string)

for k, v in to_replace:
    if k == 'src':
        string = re.sub(v, "src_replaced_by_this_string", string)
    if k == 'href':
        string = re.sub(v, "href_replaced_by_this_string", string)

print(string)

输出：

<img src="src_replaced_by_this_string" href="href_replaced_by_this_string", alt="">

否则，您可以使用BeautifulSoup，这是一个用于从 HTML 和 XML 文件中提取数据的 Python 库。