Python 从脚本标记中提取特定的src属性

我想通过RE从包含

jquery

子字符串的输入内容中获取JS文件名

这是我的代码：

步骤1：从内容中提取JS文件

>>> data = """    <script type="text/javascript" src="js/jquery-1.9.1.min.js"/>
...     <script type="text/javascript" src="js/jquery-migrate-1.2.1.min.js"/>
...     <script type="text/javascript" src="js/jquery-ui.min.js"/>
...     <script type="text/javascript" src="js/abc_bsub.js"/>
...     <script type="text/javascript" src="js/abc_core.js"/>
...     <script type="text/javascript" src="js/abc_explore.js"/>
...     <script type="text/javascript" src="js/abc_qaa.js"/>"""
>>> import re
>>> re.findall('src="js/([^"]+)"', data)
['jquery-1.9.1.min.js', 'jquery-migrate-1.2.1.min.js', 'jquery-ui.min.js', 'abc_bsub.js', 'abc_core.js', 'abc_explore.js', 'abc_qaa.js']

---

我可以在步骤1中执行上述步骤2吗？这意味着重新设置模式以获得结果？

当然可以。一种方法是使用

re.findall('src="js/([^"]*jquery[^"]*)"', data)

这将匹配

“js/

之后的所有内容，直到最近的

”

，如果它包含

jquery

任何位置。如果您对

jquery

的位置有更多了解（例如，如果它总是在开头），您可以相应地调整regex

如果要确保

jquery

没有被其他字母数字字符直接包围，请使用：

---

单词

jquery

总是在文件名的开头吗？我想是的，所有jquery库文件名都是以

jquery

word开头的，但是如果它们改变了文件命名结构，那么我们就必须更新代码。

[ele[“src”]表示BeautifulSoup（data）中的ele。find_all（“script”，src=re.compile（r“\bquery\b”）]

@padraiccningham:yes

HTML解析器

是另一种方法，我将使用

lxml

和

xpth

方法来获得结果。但是RE比解析器（运行时）好，即使是工程师也很难做到这一点：）@timpietzcker:谢谢+1.

re.findall('src="js/([^"]*jquery[^"]*)"', data)

re.findall(r'src="js/([^"]*\bjquery\b[^"]*)"', data)