我使用beutifulsoup来提取文档中图像的地址。但是文档中的链接需要清理(特别是大多数图像都有类似的链接)/image.jpg&;随机文本和我想要的信息https://www.webaddress.com/image.jpg&filetype=l”
为此,我目前使用以下代码:from bs4 import BeautifulSoup
c = '
'
soup = BeautifulSoup(c)
link = [x['src'] for x in soup.findAll('img')]
link = [link_temp.split('.jpg')[0] for link_temp in link]
full_images_links = ["https://www.webaddress.com" + linktemp + ".jpg&filetype=l" for linktemp in link]
这基本上是搜索所有以.jpg结尾的链接图像,删除其后面的内容(大量随机代码),然后以我能得到图像的方式格式化。在
当图像的扩展名为“.jpg”时,效果很好,但是当图像的扩展名为“.jpg”时就不行了
对于上述示例,第一个图像文件的期望输出工作正常,并给出:
^{pr2}$
但是第二个,代码显示为https://www.webaddress.com/url/urls.do?filename=SWC.JPG&filetype=h.jpg&filetype=l
因为它是根据大写的“.JPG”拆分的
我理想中寻找的东西,可以扩展到不同的格式(例如,可能会运行到.JPEG,.JPEG等)