在Python中查找并替换文本模式

Question

我有一堆HTML文本，我希望找到所有带有标记img的文本模式并更改它们的模板。如果最初的文字是：

<img alt=src="http://www.example.com/image.png" /> 

输出它会成为这个

：

[insert picture: []("http://www.example.com/image.png")] 

我如何处理这个？

Answer 1

你的例子看起来很简单，你可以做这样的事情：

In [140]: my_str = '<img alt=src="http://www.example.com/image.png" />' 
In [141]: re.sub(r'\<img.*src\=\"(http\://.*\.png)\".*\/\>', '[insert picture: []("\\1")]', my_str) 
Out[141]: '[insert picture: []("http://www.example.com/image.png")]' 

Answer 2

不要试图推倒重来。

使用urlextract模块

from urlextract import URLExtract 

text="<img alt=src="http://www.example.com/image.png" />" 
extractor = URLExtract() 
urls = extractor.find_urls(text) 
print(urls) # prints: ['www.example.com/image.png']