python - 如何使用正则表达式提取 img 标签中的 src？

Question

我正在尝试从 HTML img 标签中提取图像源 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 中的正则表达式怎么样？

我试过如下:

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

但是我得到了一个错误

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

Answer 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']
>>>