使用正则表达式替换python中字符串中的第n个子字符串

Question

我正在编写一个函数来一次编辑html文件中的许多字符串。 但是，要求有些特殊。 这是一个例子。

我的字串：

a href='http://en.wikipedia.org/wiki/Velocity'>
<img src="/uploads/3/3/9/3/3393839/____________________________________________________________________________________________________________________________________________________614162727.png" alt="Picture" style="width:100%;max-width:220px" />
</a>
<div style="display:block;font-size:90%"></div>
</div></div>

</td>
<td class='wsite-multicol-col' style='width:50%;padding:0 5px'>

<div><div class="wsite-image wsite-image-border-none " style="padding-top:0;padding-bottom:0;margin-left:0;margin-right:0;text-align:right">
<a href='http://www2.franciscan.edu/academic/MathSci/MathScienceIntegation/MathScienceIntegation-827.htm'>
<img src="/uploads/3/3/9/3/3393839/___________________________________________________________________________________________________________________________________308536556.png" alt="Picture" style="width:100%;max-width:595px" />
</a>

实际的字符串要长得多！ 我正在尝试将所有引用Wikipedia链接的图像替换为一个图像，并将所有引用另一个链接的图像替换为另一图像。

这是我到目前为止的内容：

wikiPath = r"www.somewebsite.com/myimage.png"

def dePolute(myString):

    newString =""

    # Last index found
    lastIndex = 0


    while True:
        wikiIndex = myString.index('wikipedia',lastIndex)
        picStartIndex = myString.index('<img ', wikiIndex)
        picEndIndex = myString.index('/>', wikiIndex)

        newString = re.sub(r'<img.*?/>','src="' + wikiPath ,myString,1)

    return newString 

因此，这显然行不通-但是我的想法是，首先找到存在于所有这些链接以及从该索引开始的img标签之间的子链接的'wiki'关键字的索引。 不幸的是，我不知道如何做re.sub，而是从特定的索引开始。 我不能做newString = re.sub（specification，newEntry，originalString [wikiIndex：]），因为那样会返回一个子字符串而不是整个字符串。

---

这是我希望我的字符串在程序完成运行后的样子：

a href='http://en.wikipedia.org/wiki/Velocity'>
<img src="www.somewebsite.com/myimage.png" alt="Picture" style="width:100%;max-width:220px" />
</a>
<div style="display:block;font-size:90%"></div>
</div></div>

</td>
<td class='wsite-multicol-col' style='width:50%;padding:0 5px'>

<div><div class="wsite-image wsite-image-border-none " style="padding-top:0;padding-bottom:0;margin-left:0;margin-right:0;text-align:right">
<a href='http://www2.franciscan.edu/academic/MathSci/MathScienceIntegation/MathScienceIntegation-827.htm'>
<img src="/uploads/3/3/9/3/3393839/___________________________________________________________________________________________________________________________________308536556.png" alt="Picture" style="width:100%;max-width:595px" />
</a>

Answer 1

我会使用HTML解析器（例如BeautifulSoup 。

这个想法是使用CSS选择器来定位img元素，该元素位于href内具有wikipedia a元素内。 对于每个img元素，请替换src属性值：

from bs4 import BeautifulSoup

data = """your HTML"""

soup = BeautifulSoup(data, "html.parser")

for img in soup.select("a[href*=wikipedia] img[src]"):
    img["src"] = wikiPath

print(soup.prettify())