py正则表达式捕获img标签并返回其src，内涵中文的问题

zzban

希望标题够明确了:wink:
是这样的，想把一些博客的博文保存到本地，有时候博文里面包含图片，那么图片就要单独保存到本地的一个文件夹，再把本地博文的静态html文件中的相关img标签字段做修改了。

比如QQ空间的图片标签如下：

1. <img alt="图片" src="/qzone/newblog/v5/editor/css/loading.gif" orgsrc="http://b20.photo.store.qq.com/http_imgload.cgi?/rurl4_b=69b8f4b6187888537eebd4537228c5b70b8c4a31940d6a0f7f59a5465a4821cf9274f1adb35ee940564e77e52f2aaf68f36d1164e8d29e12019d9264cb0c6e0a73fce5d8f9fe00a25f80ea375b273b73ef12d8a5"/>

复制代码

现在我想做的是用正则表达式匹配 <img...orgsrc.../>的内容，并且返回

http://b20.photo.store.qq.com/http_imgload.cgi?/rurl4_b=69b8f4b6187888537eebd4537228c5b70b8c4a31940d6a0f7f59a5465a4821cf9274f1adb35ee940564e77e52f2aaf68f36d1164e8d29e12019d9264cb0c6e0a73fce5d8f9fe00a25f80ea375b273b73ef12d8a5

对python不熟悉，而且img标签里面有汉字，不知道怎么实现这个功能呢？

smallfish_xy

>>> import re
>>> s = '<img alt="图片" src="/qzone/newblog/v5/editor/css/loading.gif" orgsrc="
http://b20.photo.store.qq.com/ht ... 4b6187888537eebd453
7228c5b70b8c4a31940d6a0f7f59a5465a4821cf9274f1adb35ee940564e77e52f2aaf68f36d1164
e8d29e12019d9264cb0c6e0a73fce5d8f9fe00a25f80ea375b273b73ef12d8a5"/>'

>>> print re.findall('orgsrc="(.*?)"',s)

zzban

原帖由 smallfish_xy 于 2009-10-12 16:29 发表
>>> import re
>>> s = ''

>>> print re.findall('orgsrc="(.*?)"',s)

谢谢斑竹

其实我是不知道怎么捕获<img...orgsrc.../>这个标签，因为我准备把网络图片下载到本地，比如是img/xxxx.jpg，然后把整个<img...orgsrc.../>标签替换为

<img src="img/xxxx.jpg">

不知道需不需要考虑中文处理的问题呢？
再次谢谢

zzban

原来可以这么简单搞定的：
re.findall('<img.*orgsrc.*/>', blog_content, re.I)
呵呵，把这个提取出来后再把orgsrc分割出来就可以了。