我有这样的事情:
<img style="background:url(/theRealImage.jpg) no-repate 0 0; height:90px; width:92px;") src="notTheRealImage.jpg"/>
我正在使用beautifulsoup解析html。有没有办法拉出“背景” css属性中的“ URL”?
您有两种选择-快速,肮脏或正确的方法。快速而肮脏的方式(如果更改标记,则很容易中断)看起来像
>>> from BeautifulSoup import BeautifulSoup >>> import re >>> soup = BeautifulSoup('<html><body><img style="background:url(/theRealImage.jpg) no-repate 0 0; height:90px; width:92px;") src="notTheRealImage.jpg"/></body></html>') >>> style = soup.find('img')['style'] >>> urls = re.findall('url\((.*?)\)', style) >>> urls [u'/theRealImage.jpg']
显然,您必须使用它才能使其与多个img标签一起使用。
img
正确的方法是,建议有人在CSS字符串上使用正则表达式:)会很糟糕,因此使用CSS解析器。cssutils是我刚刚在Google上找到的一个库,可以在PyPi上找到,它看起来可以完成这项工作。