在Python中查找和替换文本模式

我有一堆HTML文本，我想找到带有标签

img

的所有文本模式，并更改它们的模板。如果初始文本为：

<img alt=src="http://www.example.com/image.png" />

---

我该如何处理这个问题？

您的示例看起来很简单，您可以这样做：

In [140]: my_str = '<img alt=src="http://www.example.com/image.png" />'
In [141]: re.sub(r'\<img.*src\=\"(http\://.*\.png)\".*\/\>', '[insert picture: []("\\1")]', my_str)
Out[141]: '[insert picture: []("http://www.example.com/image.png")]'

[140]中的

：my_str=''
在[141]：re.sub（r'\'，“[插入图片：[]（“\\1”）]”中，my\u str）
Out[141]：“[插入图片：[]（”http://www.example.com/image.png")]'

不要试图重新发明轮子

使用模块

从urlextract导入urlextract
text=“”
提取器=URLExtract（）
URL=提取器。查找URL（文本）
打印（URL）#打印：['www.example.com/image.png']

tag（正在标记）？你是说is（img）吗？跟我重复一遍：不要用语法解析HTMLregex@AdamSmith好吧，这就是为什么我要问一个问题！请告知。@Lexasaurus无意冒犯。试图用正则表达式解析HTML有点像是在开玩笑。尝试使用HTML解析器，如

lxml

或BeautifulSoup（

bs4

）长话短说：正则表达式仅适用于分类为“正则”的语言（请参见“关于正则语言”），也就是由Type-3语法生成的语言。HTML不是一种常规语言，因此使用正则表达式解析它有时会导致…*有趣的*结果。谢谢你的回答，但找到URL只是问题的第一部分。对于问题的第二部分，简单地迭代整个HTML代码并查找找到的每个URL的索引并不是最好的解决方案。我们可能会有一个URL在文本中重复多次。需要找到并替换所有img标签的解决方案。

In [140]: my_str = '<img alt=src="http://www.example.com/image.png" />'
In [141]: re.sub(r'\<img.*src\=\"(http\://.*\.png)\".*\/\>', '[insert picture: []("\\1")]', my_str)
Out[141]: '[insert picture: []("http://www.example.com/image.png")]'

from urlextract import URLExtract

text="<img alt=src="http://www.example.com/image.png" />"
extractor = URLExtract()
urls = extractor.find_urls(text)
print(urls) # prints: ['www.example.com/image.png']