python – 使用urllib计算网页上的图像数量

发布时间：2020-12-20 12:23:08 所属栏目：Python 来源：网络整理

导读：对于一个课程,我有一个练习,我需要计算任何给予网页上的图像数量.我知道每个图像都以,所以我使用正则表达式尝试找到它们.但我不断得到一个我知道错误,我的代码有什么问题： import urllibimport urllib.requestimport reimg_pat = re.compile('img.*',re.I)d

对于一个课程,我有一个练习,我需要计算任何给予网页上的图像数量.我知道每个图像都以,所以我使用正则表达式尝试找到它们.但我不断得到一个我知道错误,我的代码有什么问题：

import urllib
import urllib.request
import re
img_pat = re.compile('<img.*>',re.I)

def get_img_cnt(url):
  try:
      w =  urllib.request.urlopen(url)
  except IOError:
      sys.stderr.write("Couldn't connect to %s " % url)
      sys.exit(1)
  contents =  str(w.read())
  img_num = len(img_pat.findall(contents))
  return (img_num)

print (get_img_cnt('http://www.americascup.com/en/schedules/races'))

解决方法

啊,正则表达式.

你的正则表达式< img.*>说“找到一些以< img和stuff开头的东西,并确保以>结尾.

然而,正则表达式是贪婪的;它会填充那个.*字面上只有它可以留下一个>之后的某个角色以满足模式.在这种情况下,它将一直到最后,< html>并说“看！我在那里找到了一个>”

你应该通过制作.*非贪婪来得出正确的数量,如下：

< IMG * GT.？;

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!