python - 使用python和正则表达式从html中检测图像src？

Question

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，例如

<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？

Answer 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是一个流行的第三方库
• 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']

Answer 2

你可以使用漂亮的库 BeautifulSoup