如何在字符串中搜索子字符串值？

Question

我正在尝试在字符串中查找属性的值。在<img src="invalidURL.com"> 中，如果属性/子字符串是src，我想收到invalidURL.com。

在 Violent Python 中，它使用imgSrc = imgTag['src'] 行，这不会产生编译器错误，并且脚本运行良好。 （完整的脚本可以在this Github repo. 找到）但是，当我尝试编写自己的脚本时，它给出了编译器错误。

htmlImgTags = ['<img src="/images/icons/product/chrome-48.png"/>', '<img src="asdasd">']
for tag in htmlImgTags:
    print tag
    tagSrc = tag['src'] 
    print tagSrc

该错误抱怨使用字符串作为索引而不是 int。

<img src="/images/icons/product/chrome-48.png"/>
Traceback (most recent call last):
  File "looking in an array.py", line 4, in <module>
    tagSrc = tag['src'] 
TypeError: string indices must be integers, not str

我的代码到底出了什么问题，但书中没有？

Answer 1

您链接到的代码似乎正在使用名为 Beautiful Soup 的库来解析 HTML。该循环是在 Beautiful Soup 创建的标签对象列表上，而不是实际标签文本的列表。

这是一个使用Beautiful Soup v3的示例：

from BeautifulSoup import BeautifulSoup

html_doc = """
<img src="/images/icons/product/chrome-48.png"/>
<img src="/images/icons/product/chrome-49.png"/>
"""

soup = BeautifulSoup(html_doc)
html_img_tags = soup.findAll("img")

for tag in html_img_tags:
  print tag['src']

输出是：

/images/icons/product/chrome-48.png
/images/icons/product/chrome-49.png

注意tag 不只是一个字符串，它是一个 BeautifulSoup 标签对象：

>>> type(html_img_tags[0])
<class 'BeautifulSoup.Tag'>

如果您打印它，它将显示为格式良好的标签：

>>> print html_img_tags[0]
<img src="/images/icons/product/chrome-48.png" />

但这只是因为 BeautifulSoup 确保对象将自身转换为该字符串以便于检查。

---

注意：如果你的机器上碰巧有 BS4，那么导入行应该是：

from bs4 import BeautifulSoup

...findAll() 函数现在是 find_all()。

Answer 2

您链接到的源代码正在使用一个名为 BeautifulSoup 的库来解析 HTML。您似乎是在尝试手动执行此操作，我认为是出于教育目的。

您有几个选择。

• 一种是使用 html 解析引擎，就像 Violent Python 使用的那样。这是推荐的方法。

• 还有一种是使用正则表达式，不建议解析XML。

• 第三种方法（仅当您的输入已经采用您给定的形式时才有效）只是计算 URL 的位置并使用这些位置索引到字符串中。

Answer 3

这样就不会出错了：

for tag in htmlImgTags:
    if tag.startswith('<img src'):
       tag = tag.split('"')[1]
       print tag

Answer 4

试试这个：

import re
tag = '<img src="/images/icons/product/chrome-48.png"/>'
src = re.findall('src=(\".*?\")', tag)
print src # prints ['"/images/icons/product/chrome-48.png"']