Python 请求一个健壮的正则表达式，该正则表达式检查img标记是否包含HTML文档中的alt元素

我正在编写一个python脚本来检查HTML文档IMG标记。 它应该检查alt=”“是否存在于IMG标签内。 然后它会打印出行号

正则表达式必须考虑内容的不同顺序。例如：

<img class="" alt="" src="">
<img class="" src="">
<img src="" class="">
<img src="">

所以，是的，去夏天。 regex检查img标记的所有元素是否存在 它必须考虑一系列可能的安排

---

谢谢您

使用正则表达式评估HTML有点冒险，但是如果您愿意接受缺点*，您可以使用以下方法来实现这一点：

---

*当然，这个正则表达式完全不知道它匹配的标记是否在注释中，被注释打断，格式不正确，被

标记或任何其他可能改变其对实际HTML解析器含义的情况包围。

您首先将您的问题陈述为仅关于alt元素，然后说您想“检查img标记的所有元素是否存在，它必须考虑一系列可能的安排”。不清楚你在问什么。可能的重复是为了它的价值：所有注意到的缺点都只能强化一个事实，即regex不适合parsin。要解决所有这些问题，lxml、beautifulsoup甚至pyxml才是真正的解决方案。+1但是Tim——如果您要花更多的精力对正则表达式进行完整的注释（这应该对所有非平凡的正则表达式进行注释，比如这个正则表达式），为什么不首先以自由间距模式编写正则表达式呢？这对你来说工作更少，同时你将树立一个最佳实践的好榜样。（JavaScrict除外）

regex = re.compile(r'<img (?=[^>]*\balt=")(?=[^>]*\bsrc=")(?=[^>]*\bclass=")')

<img    # Match '<img'
(?=     # Assert that it's possible to match the following from this position:
 [^>]*  #  Any number of characters except >
 \b     #  A word boundary (here: start of a word)
 alt="  #  The literal text 'alt="'
)       # End of lookahead
(?=[^>]*\bsrc=")   # Do the same for `src`, from the same position as before
(?=[^>]*\bclass=") # Do the same for `class`, from the same position as before