Rumah > Soal Jawab > teks badan
import urllib.request
req = urllib.request.urlopen('http://search.jd.com/Search?k...')
req
Keluar[3]: <http.client.HTTPResponse di 0x52bf6d8>
buf = req.read()
buf = buf.decode('utf-8')
urllist = re.findall(r'//img.+.png',buf)
Dengan cara ini, URL imej yang berakhir dengan .png akan dipaparkan seperti biasa
urllist = re.findall(r'//img.+. jpg',buf)
Juga pada asasnya normal
urllist = re.findall(r'//img.+.(png|jpg)',buf)
Ini hanya boleh memaparkan format siri gambar, seperti ini:
'.jpg',
' .jpg',
'.png',
'.jpg',
'.jpg',
'.jpg',
'.jpg',
'.jpg',
'. jpg',
Kenapa kain bulu ini?
阿神2017-06-22 11:53:19
Terutama kerana, apabila anda tidak menambah ()
时, re.findall
会将匹配的全部打印出来, 但是如果你加了()
, 它就会打印匹配中, 被()
捕获的结果, 所以你看到一堆的jpg/png
, 正因为这样, 所以我们需要用()
将这个匹配的链接都捕获起来, 这样才能打印, 同时要用(?:jpg|png)
, 因为这个地方需要的是匹配jpg或者png
, kami perlu menggunakan sintaks kumpulan bukan menangkap.
# 代码修改
urllist = re.findall(r'(//img.+?.(?:png|jpg))',buf)
Untuk lebih lanjut tentang 捕获分组/非捕获分组
, anda boleh rujuk: Pautan penerangan
代言2017-06-22 11:53:19
[png|jpg]
(png|jpg) akan dikumpulkan
import re
import requests
r = requests.get('http://search.jd.com/Search?keyword=%E6%96%87%E8%83%B8&enc=utf-8&wq=%E6%96%87%E8%83%B8&pvid=4anf50si.fbrh68')
print re.findall('//img.+.[png|jpg]', r.text)