Python，XPath:查找所有指向图像的链接 [英] Python, XPath: Find all links to images

问题描述

我正在Python中使用lxml解析一些HTML，我想提取所有指向图像的链接.我现在的操作方式是:

I'm using lxml in Python to parse some HTML and I want to extract all link to images. The way I do it right now is:

//a[contains(@href,'.jpg') or contains(@href,'.jpeg') or ... (etc)]

此方法有两个问题:

• 您必须列出所有情况下的所有可能的图像扩展名("jpg"和"JPG")，但不够优雅
• 在奇怪的情况下，href可能在中间而不是字符串结尾处包含.jpg

我想使用regexp，但失败了:

I wanted to use regexp, but I failed:

//a[regx:match(@href,'.*\.(?:png|jpg|jpeg)')]

这总是让我获得了所有链接...

This returned me all links all the time ...

有人知道这样做的正确，优雅的方法吗?或者我的regexp方法有什么问题?

Does anyone knows the right, elegant way to do this or what is wrong with my regexp approach ?

推荐答案

而不是:

a[contains(@href,'.jpg')]

使用:

a[substring(@href, string-length(@href)-3)='.jpg']

(对于其他可能的结尾，使用相同的表达模式).

(and the same expression pattern for the other possible endings).

上面的表达式是XPath 1.0，等效于以下XPath 2.0表达式:

a[ends-with(@href, '.jpg')]

这篇关于Python，XPath:查找所有指向图像的链接的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！