js获取html图片路径正则表达式,js获取图片的路径及文件名

爬取网站`jocydm.com`并使用正则表达式解析网页获取图片的过程通常涉及以下几个步骤： 1. **发送请求**：首先，你需要使用Python的`requests`库发送HTTP请求到目标页面，获取HTML源码。 ```python import requests url = "https://jocydm.com" # 替换为你想要爬取的页面地址 response = requests.get(url) html_content = response.text ``` 2. **分析HTML**：然后，你可以使用`re`模块（正则表达式）来查找图片标签 `<img>` 中的src属性，该属性通常包含了图片链接。注意，有些网站可能会使用JavaScript动态加载图片，这时正则表达式可能不够精确，需要结合其他技术（如Selenium）。 ```python import re pattern = r'<img[^>]+src=["\']([^"\'>]+)["\']' image_links = re.findall(pattern, html_content) ``` 3. **下载图片**：找到所有图片链接后，你可以遍历它们，使用`requests`再次下载，并保存到本地。 ```python import os from PIL import Image # 可能需要安装PIL库处理图片 def download_image(img_url, save_dir): img_data = requests.get(img_url).content with open(os.path.join(save_dir, os.path.basename(img_url)), 'wb') as f: f.write(img_data) save_dir = "images" # 图片保存路径 if not os.path.exists(save_dir): os.makedirs(save_dir) for link in image_links: download_image(link, save_dir) ``` 4. **添加注释**：如果你想给每个图片添加描述性的注释，可以在下载前通过HTML解析得到alt属性（如果存在的话），或者直接在本地文件名上添加注释。这一步取决于原始HTML的具体结构。 ```python alt_pattern = r'<img[^>]+alt=["\']([^"\'>]+)["\']' alt_text = re.findall(alt_pattern, html_content) for i, link in enumerate(image_links): alt = alt_text[i] if alt_text else f"Image {i+1}" download_image(link, os.path.join(save_dir, f"{alt}.jpg")) ``` 请注意，网站可能有反爬虫策略，爬取时需尊重网站的Robots协议，避免对服务器造成过大压力。如果你遇到JavaScript动态加载的情况，可能需要切换到更专业的网络抓包工具，比如Selenium配合浏览器驱动。