Python 3：如何提取url图像？

Question

我想要提取的网址具有相同的模式：

"begin" : "url_I_want_extract"

他们看着像是：

"begin" : "https://k2.website.com/images/0x0/0x0/0/16576946054146395951.jpeg"
"begin" : "https://k2.website.com/images/0x0/0x0/0/9460365509030976330.jpeg"
"begin" : "https://k2.website.com/images/0x0/0x0/0/9361112829030898475.jpeg"
"begin" : "https://k3.website.com/images/0x0/0x0/0/14705723619301900580.jpeg"
"begin" : "https://k3.website.com/images/8x36/922x950/0/1368601155311066426.jpeg"

我使用这段代码来提取但却意外的事情。

r = re.findall('https://k(.?).website.com/images/0x0/0x0/0/(.*?).jpeg', response.text)

我得到的输出：

 [('2', '16576946054146395951'), ('2', '9460365509030976330'), ('2', '9361112829030898475'), ('3', '14705723619301900580')]

我想要的输出：

https://k2.website.com/images/0x0/0x0/0/16576946054146395951.jpeg
https://k2.website.com/images/0x0/0x0/0/9460365509030976330.jpeg
https://k2.website.com/images/0x0/0x0/0/9361112829030898475.jpeg
https://k3.website.com/images/0x0/0x0/0/14705723619301900580.jpeg
https://k3.website.com/images/8x36/922x950/0/1368601155311066426.jpeg

如何使用正则表达式来填写“开始”字后的网址？ 谢谢 ：）

Answer 1

括号括起findall返回的捕获组。 现在你的捕获组是k(.>)和(.*?).jpeg 。 删除这些括号，然后捕获整个网址。

另外，要将url与“/ 0x0 / 0x0 / 0 /”和“/ 8x36 / 922x950 / 0 /”匹配，请将正则表达式中的“/ 0x0 / 0x0 / 0 /”替换为“/.*/.*/” * /“：

r = re.findall('(https://k.?.website.com/images/.*/.*/.*/.*?.jpeg)', response.text)

Answer 2

这个可以在更通用的服务器路径构造上做到这一点：

https?.*(jpeg|jpg|png|tiff|gif)

开始捕获http（对于ssl服务器使用可选的's'）并完成捕获以确保图像文件格式。 （请注意，我仅包括5种类型......）

希望有所帮助!!

Answer 3

我认为你要求的是在begin :之后只提取URL begin : . 为此您需要：

r = re.findall('"begin" : "(https://k.*?.jpeg)"', response.text)