Question

我正在抓取某些内容，但我想抓取src元素的特定部分，但不确定如何使用正则表达式执行此操作。这里有正则表达式忍者可以帮助我吗？

srcset="https://cimg.co/w/articles/1/5ca/f022bb06dc.png 150w, https://cimg.co/w/articles/2/5ca/f022bb06dc.png 300w, https://cimg.co/w/articles/3/5ca/f022bb06dc.png 600w, https://cimg.co/w/articles/4/5ca/f022bb06dc.png 1200w"

我想要1200w之前的第一个网址。因此结果应该是：

https://cimg.co/w/articles/4/5ca/f022bb06dc.png

为什么我需要正则表达式，最后一个元素：

提前感谢，祝您周末愉快：）

Answer 1

无需正则表达式。您可以使用字符串方法split和partition来做到这一点：

In [181]: srcset = "https://cimg.co/w/articles/1/5ca/f022bb06dc.png 150w, https://cimg.co/w/articles/2/5ca/f022bb06dc.png 300w, https://cimg.co/w/articles/3/5ca/f022bb06dc.png 600w, https://cimg.co/w/arti
     ...: cles/4/5ca/f022bb06dc.png 1200w"                                                                                                                                                                  

In [182]: def get_url(srcset): 
     ...:     for str_ in srcset.split(','): 
     ...:         url, _, ext = str_.strip().partition(' ') 
     ...:         if ext == '1200w': 
     ...:             return url 
     ...:                                                                                                                                                                                                   

In [183]: get_url(srcset)                                                                                                                                                                                   
Out[183]: 'https://cimg.co/w/articles/4/5ca/f022bb06dc.png'

假设,不在URL中。

如果必须使用Regex，则可以执行以下操作：

https?://\S+(?=\s+1200w\b)

所以：

In [184]: re.search(r'https?://\S+(?=\s+1200w\b)', srcset).group()                                                                                                                                          
Out[184]: 'https://cimg.co/w/articles/4/5ca/f022bb06dc.png'

https?://\S+与URL匹配
零宽度正向查找（(?=\s+1200w\b)）确保URL后跟一个或多个空格（\s+），然后是1200w

OTOH，如果您不满意基于HTTP方案的匹配，则可以匹配开始或,，并获取第一个捕获的组：

In [185]: re.search(r'(?:^|,\s+)(\S+)\s+1200w\b', srcset).group(1)                                                                                                                                          
Out[185]: 'https://cimg.co/w/articles/4/5ca/f022bb06dc.png'

Answer 2

或者：

a = 'srcset="https://cimg.co/w/articles/1/5ca/f022bb06dc.png 150w, https://cimg.co/w/articles/2/5ca/f022bb06dc.png 300w, https://cimg.co/w/articles/3/5ca/f022bb06dc.png 600w, https://cimg.co/w/articles/4/5ca/f022bb06dc.png 1200w"'

a = a.replace('srcset=', '').replace('"', '').split(',')
done = a[len(a)-1].strip().split(' ')[0]
print(done)

Answer 3

您可以使用此正则表达式：

[^\s,"]+(?=\s+1200w\b)

Answer 4

搜索r"600w, (.*) 1200w"时，第1组应该返回您要查找的网址。

Answer 5

模式.+?(?=1200w)将匹配除换行符以外的任何字符1次以上，直到右边的1200。

要使用正则表达式获得更具体的匹配，可以使用捕获组：

\bsrcset="[^"]* (https?://\S+)\s+1200w"

Regex demo | Python demo

例如：

import re
regex = r'\bsrcset="[^"]* (https?://\S+)\s+1200w"'
test_str = """srcset=\"https://cimg.co/w/articles/1/5ca/f022bb06dc.png 150w, https://cimg.co/w/articles/2/5ca/f022bb06dc.png 300w, https://cimg.co/w/articles/3/5ca/f022bb06dc.png 600w, https://cimg.co/w/articles/4/5ca/f022bb06dc.png 1200w\""""

matches = re.search(regex, test_str)
if matches:
    print(matches.group(1))

结果

https://cimg.co/w/articles/4/5ca/f022bb06dc.png

如何使用Regex在定义的字符串之前获取第一句话

5 个答案: