使用Regex显示网站图像的问题

Question

我目前正试图为所有找到的图片刮一个网站。我的代码成功地显示了所有图像，包括.jpg、.bmp&。gif。不过，它也会显示这些图像的高度。我想知道如何修改我的代码，从输出中删除图像的高度，并整理输出，只提供附件中所示的干净链接。下面我附上了一个链接，显示我的代码输出以及我的当前代码如下。我还附上了我的理想输出。谢谢你的帮助，谢谢

我的代码输出：https://imgur.com/a/ZxEXh

我要找的输出：https://imgur.com/a/eBdK8

files = re.findall(r'\<img .*\=.*', page.decode())
files.sort()
print (f'\n [+] {len(files)} IMAGES FOUND:\n')
for file in files:
    print(file)

Answer 1

Regex并不是解析HTML或XML数据的最佳工具，而BeautifulSoup在那里效率更高、更简单。你可以做：

from bs4 import BeautifulSoup

...    
soup = BeautifulSoup(page.decode(), 'html.parser')
files = [ i.get("src") for i in soup.findAll('img') ]  # get the src attribute for all img tags
files.sort()
print (f'\n [+] {len(files)} IMAGES FOUND:\n')
for file in files:
    print(file)

这样，HTML被有效地解析，只返回真正的标记

Answer 2

您可以直接提取图像src

>>> images = ['<img src="demo.jpg" height=12>', '<img src="demo2.jpg" height=500>']
>>> for image in images:
        print(re.search(r'<img[^>]*src="([^"]*)"', image).group(1))

demo.jpg
demo2.jpg

如果您的输入都是string，您可以使用findall，然后对其进行迭代

>>> images = '''<img src="demo.jog" height=12> <img src="demo.jog" height=500>'''
>>> res = re.findall(r'<img[^>]*src="([^"]*)"', images)
>>> for img in res:
        print(img)
demo.jpg
demo2.jpg