python - 正则表达式以查找各种格式/标签的图像

Question

我需要一个可在网站源代码中找到图像的正则表达式。到目前为止，我有：

images = re.findall(r'src=[\"|\']([^\"|\']+)[\"|\']',webpage.decode())
images.sort()
print (f'[+] {len(images)} images Found:')
for image in images:
    print(image)

这一直在寻找以下格式的图像：

<img src="2001-a-space-odyssey.JPG"/>

<img src="http://www.example.com/content/icon.gif"/>

但找不到以下格式的图像：

<form action="example.jpg">

<!-- <img src="big.jpg" /> -->

background-image:url("xine.png");

我需要一个正则表达式来查找所有这些，但是，我不希望像png|jpeg|gif这样的表达式。

Answer 1

如果您对图像格式不那么在意，那么下面的表达式应该可以很好地完成您的工作：

pattern = "[\"|\'].*\.(?i:jpg|gif|png|bmp)[\"|\']"
images = re.findall(pattern,webpage.decode())

我在这里我会忽略这种情况。

编辑：

pattern : "[\=,\(][\"|\'].[^\=\"]+\.(?i:jpg|gif|png|bmp)[\"|\']"

注意：从匹配中删除前两个字符和最后一个字符应提供所需的输出

您可以在这里查看各种图像格式：Image file formats

希望这可以帮助 ：）