Python 使用正则表达式提取替换img(src)或a(href)标签的url

Python中需要处理html中引用的图片文件或链接地址时，可能需要提取替换成新路径，换成新域名等情况。本文主要介绍Python 中使用正则表达式提取替换img(src)或a(href)标签的url地址的方法，以及相关的示例代码。

1、正则表达式

参考文档：Python 正则表达式(RegEx)

2、使用正则表达式提取替换字符串

参考文档：Python 正则表达式分组匹配提取替换字符串(回调函数)

3、re.sub(pattern, repl, string, count=0, flags=0)

Python中实现正则表达式提取替换，需要使用re.sub(),具体参数说明如下：

1）pattern参数

pattern是正则表达式字符串。字符串前一般加r。

参考文档：Python 字符串前r、b、u和f的前缀作用及用法

2）repl参数

repl是被替换成的内容，可以是字符串，也可以是函数。字符串匹配后直接替换，函数则会每次匹配的字符串会调用执行进行处理。

3）string参数

string表示要被处理，要被替换的字符串。

4）count参数

count是匹配替换的次数

5）flags参数

IGNORECASE（简写I），匹配对大小写不敏感。

LOCALE（简写L），locales是C语言库中的一项功能，是用来为需要考虑不同区域语言的编程提供帮助的。

MULTILINE（简写M），^匹配字符串的开始和字符串中每行的开始。同样的， $元字符匹配字符串结尾和字符串中每行的结尾。

DOTALL（简写S），此模式下.的匹配不受限制，可匹配任何字符，包括换行符，但默认是不能匹配换行符。

VERBOSE（简写X），冗余模式，此模式忽略正则表达式中的空白和#号的注释。

4、使用正则表达式提取替换img(src)或a(href)标签的url

使用正则表达式提取替换html中标签的url代码示例，如下，

# -*- coding: utf-8 -*-import redef replace_num(str): print("--------------") print(str.group()) print(str.group(1))#匹配到的第1个分组 #print(str.group(2))#匹配到的第2个分组 print("--------------") return ""my_str = '''

1、JDK11安装

1）下载JDK11

Oracle JDK11： https://www.oracle.com/technetwork/java/javase/downloads/jdk11-downloads-5066655.html

OpenJDK11： http://jdk.java.net/11/

在上面两个地址下载需要的版本。

本文主要是64位win10上安装，文件下载地址：https://download.java.net/openjdk/jdk11/ri/openjdk-11+28_windows-x64_bin.zip

2）解压下载文件

将下载好的.zip文件解压到指定的安装目录，例如，安装到C:\\Program Files\\Java下，在Java文件夹下新建jdk11文件夹，将文件解压到jdk11文件夹下。

注意：zip文件解压后，JDK中bin文件夹应该在jdk11文件夹下。

如果下载的是exe文件，就选择安装目录为新建好的那个JDK11文件夹下。

2、配置环境变量

p>1）配置JAVA_HOME

按Windows键+R键，出现运行窗口，在打开文件框中输入sysdm.cpl，点击确定，出现\"系统信息\"窗口。

在系统信息窗口依次点击，

系统信息窗口 =》高级 =》环境变量-》系统环境变量，注意：如果用户环境变量中有对应的环境变量设置，就在用户环境变量中添加。否则会优先读取用户环境，有可能找不到设置的环境变量。如果没有，在系统环境变量或用户环境哪一个都可以，系统环境变量是对所有用户生效的。

点击环境变量->新建->变量名JAVA_HOME，变量值JDK11的安装目录如C:\\Program Files\\Java\\jdk11

$\"JAVA_HOME\"$

2）配置Path环境变量

编辑Path变量

把
%JAVA_HOME%\\bin;
这个变量插入最前面，注意要有分号和后面的变量间隔开。

注意：如果是win10系统，点击编辑后，要点击新建，值为%JAVA_HOME%\\bin，win10系统中不用自己加冒包。

$\"httpfileaionlifexyzsourcedownloadid5bd1bcd1dc72d91ff8d53a14\"$

效果如下图，

$\"Path\"$

3）验证是否安装成功

按windows键+R键，输入cmd，在打开的cmd窗口中输入java -version，安装成功提示如下：

Microsoft Windows [版本 10.0.17134.254]
(c) 2018 Microsoft Corporation。保留所有权利。
C:\\Users\\Administrator>java -version
java version \"11.0.1\" 2018-10-16 LTS
Java(TM) SE Runtime Environment 18.9 (build 11.0.1+13-LTS)
Java HotSpot(TM) 64-Bit Server VM 18.9 (build 11.0.1+13-LTS, mixed mode)

'''#a = re.sub(r'

(.+?)

', replace_num, my_str,flags=re.I|re.M|re.S)img = re.sub(r'', replace_num, my_str,flags=re.I|re.M|re.S)#a = re.sub(r'', replace_num, my_str,flags=re.I|re.M|re.S)a = re.sub(r'', replace_num, my_str,flags=re.I|re.M|re.S)print(img)print(a) #每次匹配一个数字，执行函数，获取替换后的值