如何使用正则表达式提取 img 标签中的 src？答案

【问题标题】：How to extract src in img tag with regex?如何使用正则表达式提取 img 标签中的 src？
【发布时间】：2015-11-21 09:09:33
【问题描述】：

我正在尝试从 HTML img 标记中提取图像源 url。

如果html数据如下：

<div> My profile <img width='300' height='300' src='http://domain.com/profile.jpg'> </div>

或

<div> My profile <img width="300" height="300" src="http://domain.com/profile.jpg"> </div>

python 中的正则表达式如何？

我在下面尝试过：

i = re.compile('(?P<src>src=[["[^"]+"][\'[^\']+\']])')
i.search(htmldata)

但我遇到了错误

Traceback (most recent call last):
File "<input>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

【问题讨论】：

您是否已经尝试过自己创建正则表达式；这会有所帮助
以上两行代码没有给你那个错误。
Python Regex String Extraction的可能重复

标签： python regex

【解决方案1】：

BeautifulSoup 解析器是要走的路。

>>> from bs4 import BeautifulSoup
>>> s = '''<div> My profile <img width='300' height='300' src='http://domain.com/profile.jpg'> </div>'''
>>> soup = BeautifulSoup(s, 'html.parser')
>>> img = soup.select('img')
>>> [i['src'] for i in img if  i['src']]
[u'http://domain.com/profile.jpg']
>>>

【讨论】：

【解决方案2】：

我稍微修改了您的代码。请看：

import re

url = """<div> My profile <img width="300" height="300" src="http://domain.com/profile.jpg"> </div>"""
ur11 = """<div> My profile <img width='300' height='300' src='http://domain.com/profile.jpg'> </div>"""

link = re.compile("""src=[\"\'](.+)[\"\']""")

links = link.finditer(url)
for l in links:
    print l.group()
    print l.groups()

links1 = link.finditer(ur11)
for l in links1:
    print l.groups()

在l.groups() 你可以找到链接。

输出是这样的：

src="http://domain.com/profile.jpg"
('http://domain.com/profile.jpg',)
('http://domain.com/profile.jpg',)

finditer() 是一个生成器，允许使用for in 循环。

来源：

http://www.tutorialspoint.com/python/python_reg_expressions.htm

https://docs.python.org/2/howto/regex.html

【讨论】：

如果src后面有其他属性就不行了。而且您的小组也无法捕获/:-. 等，这可能是网址的一部分。这是我的模式。 src=[\"\']([a-zA-Z0-9_\.\/\-:]+)[\"\']
肯定有改进的余地。感谢您的意见。