Regexを使用してウェブサイトから画像を表示する問題

Question

現在、見つかったすべての画像についてウェブサイトをスクラップしようとしています。私のコードは.jpg、.bmp & .gifを含むすべてのイメージを正常に表示します。ただし、これらの画像の高さも表示されます。私は出力から画像の高さを取り除くだけでなく、添付ファイルに示されているようにきれいなリンクだけを提供する出力を整理するために私のコードをどのように変更できるのだろうと思っていました。下に私のコード出力を示すリンクと私の現在のコードの両方を添付しました。私は私の理想的な出力を添付しています。助けをありがとう、ありがとう！

マイコード出力：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

あなたの入力がすべてstringある場合は、あなたが使用することを直接

>>> 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 

画像srcを抽出することができます：私は探していますhttps://imgur.com/a/ZxEXh

出力findallとそれに反復処理する

>>> 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 

Answer 2

正規表現は、HTMLやXMLデータを解析するのに最適なツールではありません.AutoxSureは、はるかに効率的でシンプルです。あなたが行うことができます：

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) 

そのように、HTMLを効果的に解析され、唯一の本当のタグが返されます。