
从嵌套HTML代码中提取图片地址
以下代码演示如何从给定的复杂嵌套HTML结构中提取所有图片文件名:
为了高效地提取嵌套HTML中的所有图片文件名,我们可以使用正则表达式结合Python的re模块。 这种方法避免了复杂的XML解析,直接从HTML字符串中匹配文件名。
绘蛙AI商品图
电商场景的AI创作平台,无需高薪聘请商拍和文案团队,使用绘蛙即可低成本、批量创作优质的商拍图、种草文案
下载
import re
html_code = """
favicon.ico
banner-ads
- ad01.png
- ad02.png
- ad03.png
- ad04.png
- ad06.jpg
logos
news
-
category
- category1.png
- category2.png
- category3.png
- category4.png
- category5.png
-
fashion
- image1.png
- image2.png
- image3.png
- image4.png
-
food
-
health
-
lifestyle
- image1.jpg
- image2.png
- image3.png
- image4.png
-
news-details
"""
image_filenames = re.findall(r'
([^<]+(?:\.(?:png|jpg|jpeg|gif)))', html_code, re.IGNORECASE)
image_string = ",".join(image_filenames)
print(image_string)
这段代码使用了正则表达式 r'([^' 来匹配 标签内包含 .png, .jpg, .jpeg 或 .gif 扩展名的文件名。 re.IGNORECASE 忽略大小写。 最后,它将找到的文件名连接成一个以逗号分隔的字符串。 这是一种更直接、更高效的方法,尤其是在处理大型HTML文件时。
立即学习“前端免费学习笔记(深入)”;