在html图像src中查找子字符串的正则表达式

Question

我使用beautifulsoup来抓取网站中的不同数据。 我试图抓取源，但不是所有的来源，只是对我很重要的子字符串。

例如，在这个项目中，我想选择/和.png（在本例中是“nyt”）之间的字符串并将其保存在列表中。

<image width="185" height="26" 
xmlns:xlink="http://www.w3.org/1999/xlink" 
xlink:href="https://a1.nyt.com/assets/shell/20160613-034030/images/foundation/logos/nyt-logo-185x26.svg" src="https://a1.nyt.com/assets/shell/20160613-034030/images/foundation/logos/nyt.png" border="0"></image> 

我一直在试图与像re.search几个正则表达式（ '[A-Z] *。PNG'，SRC）。集团（0），但没有什么效果很好。

谁能告诉我什么是正确的方式来刮这些信息？

Answer 1

如果你想找到src的png格式中的name属性，你可以使用这个正则表达式：

src=\s*(\"|\')[^"']+?([^/]+?)\.png\1 

你必须捕捉第二组中的Python在这种情况下。请点击pythex link来试用。

这里的解释是：

src=\s*字面找到所有的“SRC =”文字后跟任意数量的可选空间

(\"|\')组一张双人床或单引号的。

[^"']+?任何不是双引号或单引号（非贪婪）的东西。

([^/]+?)任何不是正斜杠（非贪婪）的东西。

\.png文字“巴纽”

\1回参考第一组(\"|\')