Python 3：如何提取url圖像？

Question

我想要提取的網址具有相同的模式：

"begin" : "url_I_want_extract"

他們看着像是：

"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"

我使用這段代碼來提取但卻意外的事情。

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

我得到的輸出：

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

我想要的輸出：

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

如何使用正則表達式來填寫“開始”字后的網址？ 謝謝 ：）

Answer 1

括號括起findall返回的捕獲組。 現在你的捕獲組是k(.>)和(.*?).jpeg 。 刪除這些括號，然后捕獲整個網址。

另外，要將url與“/ 0x0 / 0x0 / 0 /”和“/ 8x36 / 922x950 / 0 /”匹配，請將正則表達式中的“/ 0x0 / 0x0 / 0 /”替換為“/.*/.*/” * /“：

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

Answer 2

這個可以在更通用的服務器路徑構造上做到這一點：

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

開始捕獲http（對於ssl服務器使用可選的's'）並完成捕獲以確保圖像文件格式。 （請注意，我僅包括5種類型......）

希望有所幫助!!

Answer 3

我認為你要求的是在begin :之后只提取URL begin : . 為此您需要：

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