使用python和正则表达式从html中检测图像src？答案

【问题标题】：Detect image src from html using python and regular expressions?使用python和正则表达式从html中检测图像src？
【发布时间】：2012-11-01 16:05:28
【问题描述】：

我想使用python从html代码的img标签中检测图像的src属性。我认为正则表达式可以完成这项工作。我创建了一个正则表达式

\<img .*src="(.*)".*/\>

但是有很多可能的方式来使用img标签比如

<img src="images/first.png" alt="" />
<img src="images/first.png" alt="">
<img  alt="" src="images/first.png" />
<img  alt="" width="100" src="images/first.png" height="200">

所以我的问题是，上述正则表达式是否足以完成任务？任何人都可以提供更好的选择吗？

【问题讨论】：

You cannot parse HTML with regex.
Can any one give a better option - 是的，使用 lmxl.html 或 bs4 - 但根据评论 - I cant use any other libraries in this project ...
通过选项我的意思是更好的正则表达式。
@MuhammedKK：抱歉，我们通常不帮助人们在脚上开枪。正则表达式对于这项工作来说是错误的工具。

标签： python html regex parsing

【解决方案1】：

改用 HTML 解析器，Python 有几个可供选择：

ElementTree 是标准库的一部分
BeautifulSoup 是一个流行的 3rd 方库
lxml 是一个快速且功能丰富的基于 C 的库。

元素树示例：

from xml.etree import ElementTree

tree = ElementTree.parse('filename.html')
for elem in tree.findall('img'):
    print elem['src']

【讨论】：

【解决方案2】：

你可以使用漂亮的库 BeautifulSoup

【讨论】：

我不能在这个项目中使用任何其他库。
@MuhammedKK 那你不能很好地解决这个问题。我想知道为什么？