如何从复杂的嵌套HTML代码中提取所有图片地址？

学习文章要努力，但是不要急！今天的这篇文章《如何从复杂的嵌套HTML代码中提取所有图片地址？》将会介绍到等等知识点，如果你想深入学习文章，可以关注我！我会持续更新相关文章的，希望对大家都能有所帮助！

从嵌套HTML代码中提取图片地址

以下代码演示如何从给定的复杂嵌套HTML结构中提取所有图片文件名：

为了高效地提取嵌套HTML中的所有图片文件名，我们可以使用正则表达式结合Python的re模块。 这种方法避免了复杂的XML解析，直接从HTML字符串中匹配文件名。

import re

html_code = """
favicon.ico

    

    banner-ads
    
ad01.png
        
ad02.png
        
ad03.png
        
ad04.png
        
ad06.jpg
    

    

    logos
    
logo-light.png
        
logo.png
    

    

    news
    

            

            category
            
category1.png
                
category2.png
                
category3.png
                
category4.png
                
category5.png
            
        

            

            fashion
            
image1.png
                
image2.png
                
image3.png
                
image4.png
            
        

            

            food
            
food01.png
            
        

            

            health
            
image1.png
                
image2.png
            
        

            

            lifestyle
            
image1.jpg
                
image2.png
                
image3.png
                
image4.png
            
        

            

            news-details
            
large-image.jpg
            
    
"""

image_filenames = re.findall(r'
([^<]+(?:\.(?:png|jpg|jpeg|gif)))
', html_code, re.IGNORECASE)
image_string = ",".join(image_filenames)
print(image_string)

这段代码使用了正则表达式 r'