文本分析图片
假设是分析出html中的图片路径,使用爬虫技术beautifulsoup4之后的获取img标签即可。但是从css中获取即没有标签可言。所以使用原始的文本解析+正则表达式。
正则:
html
(?<=\(|\'|\")[^\(\)|\'|\"]+?(\.jpg|\.png|\.jpeg|\.gif|\.ico)[^\(\)|\'|\"]*?(?=\)|\'|\"|\\)
css:
(?<=\(|\'|\")[^\(\)|\'|\"]+?(\.jpg|\.png|\.jpeg|\.gif|\.ico)[^\(\)|\'|\"]*?(?=\)|\'|\")
编写程序时候把以上正则复制放入字符串中时,会把反斜杠也转义了例如 :\(。会变成\\(。也是正确的
其中图片后缀可自行增加比如主要加.bmp后缀的只要在(\.jpg|\.png|\.jpeg|\.gif|\.ico)加上即可添加规则为: |\.bmp。结果显示为:(\.jpg|\.png|\.jpeg|\.gif|\.ico|.bmp)
这个正则匹配了大部分的情况,不过目前还是有一些漏洞。如果大家使用遇到匹配了非图片路径,或者有些图片路径不能匹配,请私信我大家学习学习。
如果大家对解析出来的图片路径不理解比如以//开头、以/开头,或者../或者./等知识的可以看我另一篇文章,里面有详细说明。
这里附上一个测试正则表达式的网站需要的可以进去里面测试。正则测试链接