萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網頁製作 >> HTML 腳本教學

Python 正則提取網頁圖片並重構標籤:re.sub 回調替換實戰

需求:為所有 <img> 標籤包裝燈箱結構

原始:<img src="photo.jpg" alt="desc">
目標:<span class="lightbox"><a href="photo.jpg"><img ...></a></span>

正則模式解析

import re

# 匹配 
pattern = re.compile(
    r'(]*?\bsrc\s*=\s*["\']?\s*([^"\'\s<>]+)\s*[^<>]*?/?\s*>)',
    re.IGNORECASE
)

html = '''

Content A more

''' def wrap_lightbox(match): full_tag = match.group(1) src = match.group(2) return f'{full_tag}' result = pattern.sub(wrap_lightbox, html) print(result)

輸出結果

Content A more

關鍵點

  • 組 1:完整 <img> 標籤(用於保留原屬性)
  • 組 2:src 屬性值(用於構建燈箱鏈接)
  • re.IGNORECASE 忽略大小寫匹配 IMG/Src
  • sub(repl, string) 回調函數接收 Match 對象,返回替換字符串

警示:正則解析 HTML 的局限

  • 無法處理跨行、嵌套引號、註釋內標籤、JavaScript 動態生成的圖片
  • 生產環境強烈建議用解析器:BeautifulSoup, lxml.html, html.parser

BeautifulSoup 版本(健壯)

from bs4 import BeautifulSoup

soup = BeautifulSoup(html, 'html.parser')
for img in soup.find_all('img'):
    src = img.get('src')
    if src:
        a = soup.new_tag('a', href=src)
        span = soup.new_tag('span', **{'class': 'lightbox'})
        img.wrap(a).wrap(span)
print(soup)
copyright © 萬盛學電腦網 all rights reserved