Python findall（）RE

Question

我试图找到一个使用Python的CSS文件中的图像文件重新找到所有。以下工作除了它只发现CSS文件中的第一个图像并忽略其余部分。我如何使它抓住所有图像链接？

img_links_in_css = re.findall（'^ （URL |网址|网址|网址|网址）\ S（\ S *（+（PNG |。JPG | GIF | JPEG | SVG））\ S *）。*？$'，str（css））

Answer 1

有你的表达一些问题：

• 的.+和.*令牌（至极的greedy quantifiers），使正则表达式匹配的第一次出现，然后捕获字符串（尤其是如果CSS是所有剩余的字符缩小的）;和
• 令牌^和$将仅在CSS不精缩（全部在同一行），如果你使用多行标志（re.M或re.MULTILINE）;

所以，你可以将其更改为（非精缩CSS）：

 
    pattern = r'^.+(?:uRl|URL|Url|uRL|Uri)\s?(\s*(?:.+.(?:png|jpg|gif|jpeg|svg))\s*).*?$' 
    re.findall(pattern, str(css), re.M) 

要使用缩小的CSS工作，你必须消除.+和.*标记为好。甲simplier表达式可以用于此：

pattern = r'url\s*\(([^)]+)' 
re.findall(pattern, str(css), re.I) 

其中：

• url\*：字母U，R和L，由re.I标志修饰以忽略箱子的任意组合相匹配。 （可以用[Uu][Rr][Ll]代替）;
• \s*：在空格之前还是空格之外;
• \(：开括号;
• 和finnaly，该组([^)]+)匹配不同于)的任何字符。

实施例：

 
    >>> css = 'body{background-attachment:fixed;background-image:uRl(./Images/bg4.png)}.img-default{background-image:Url(./images/def.jpg)}div#header{\nbackground-image:url(images/header-background.jpg)\n}' 
    >>> re.findall(r'url\(([^)]+)', css, re.I) 
    ['./Images/bg4.png', './images/def.jpg', 'images/header-background.jpg'] 

Answer 2

在您的正则表达式中^匹配新行（或整个文件）的开始并且$匹配结束。因此，您的正则表达式匹配整个文件（因为末尾的.*），并且只有一个（非重叠）匹配。

相反，你应该搜索以下：

r'(url|URL|Url|uRL|uRl)\s(\s*(.+?\.(png|jpg|gif|jpeg|svg))\s*)' 

的变化是

• 在开头和结尾删除^.*和.*$。
• .+?而不是.+用于使int非歧义（匹配最小可能的字符串）
• 搜索实际的“。”。应\.或[.]
• 注意，\s*是没有必要的需要完成，那\s\s*可以\s+，如果它不是捕捉-组的问题所取代。

还照顾你想要的组。每个(...)是可以使用(?:...)的非捕获组访问的组。

也许像这样（取决于你想要的部分）：

r'(?:url|URL|Url|uRL|uRl)\s\s*.+?\.(?:png|jpg|gif|jpeg|svg)' 

或

r'(?:url|URL|Url|uRL|uRl)\s\s*(.+?)\.(?:png|jpg|gif|jpeg|svg)' 

捕获只内的部分（在Python这些捕捉-组与\g<1>访问，如果你需要处理它们）。