Python findall（）RE

Question

我試圖找到一個使用Python的CSS文件中的圖像文件重新找到所有。以下工作除了它只發現CSS文件中的第一個圖像並忽略其餘部分。我如何使它抓住所有圖像鏈接？

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

Answer 1

有你的表達一些問題：

• 的.+和.*令牌（至極的greedy quantifiers），使正則表達式匹配的第一次出現，然後捕獲字符串（尤其是如果CSS是所有剩餘的字符縮小的）;和
• 令牌^和$將僅在CSS不精縮（全部在同一行），如果你使用多行標誌（re.M或re.MULTILINE）;

所以，你可以將其更改爲（非精縮CSS）：

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

要使用縮小的CSS工作，你必須消除.+和.*標記爲好。甲simplier表達式可以用於此：

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

其中：

• url\*：字母U，R和L，由re.I標誌修飾以忽略箱子的任意組合相匹配。 （可以用[Uu][Rr][Ll]代替）;
• \s*：在空格之前還是空格之外;
• \(：開括號;
• 和finnaly，該組([^)]+)匹配不同於)的任何字符。

實施例：

 
    >>> 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

在您的正則表達式中^匹配新行（或整個文件）的開始並且$匹配結束。因此，您的正則表達式匹配整個文件（因爲末尾的.*），並且只有一個（非重疊）匹配。

相反，你應該搜索以下：

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

的變化是

• 在開頭和結尾刪除^.*和.*$。
• .+?而不是.+用於使int非歧義（匹配最小可能的字符串）
• 搜索實際的「。」。應\.或[.]
• 注意，\s*是沒有必要的需要完成，那\s\s*可以\s+，如果它不是捕捉-組的問題所取代。

還照顧你想要的組。每個(...)是可以使用(?:...)的非捕獲組訪問的組。

也許像這樣（取決於你想要的部分）：

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)' 

捕獲只內的部分（在Python這些捕捉-組與\g<1>訪問，如果你需要處理它們）。