正则表达式的相关事情

Question

我在学习爬虫的时候遇到需要从一段话中提取出图片网址的需求。

待提取文字：

t1 = """
<div class="thumb"><a href="/article/123954862" target="_blank">
<img src="//pic.qiushibaike.com/system/pictures/12395/123954862/medium/L62DIHT1AV2DKIUV.jpg" alt="糗事#123954862" class="illustration" width="100%" height="auto">
</a>
</div>
"""

正则：

ex = '<div class="thumb">.*?<img src="(.*?)" alt=.*?</div>'

 然后在一些正则网站中无法识别

但是在Python的re模块中使用语句就可以识别：

t1 = """
<div class="thumb"><a href="/article/123954862" target="_blank">
<img src="//pic.qiushibaike.com/system/pictures/12395/123954862/medium/L62DIHT1AV2DKIUV.jpg" alt="糗事#123954862" class="illustration" width="100%" height="auto">
</a>
</div>
"""
ex = '<div class="thumb">.*?<img src="(.*?)" alt=.*?</div>'
img_src_list = re.findall(ex,t1,re.S)

就可以提取到呢？是不是因为换行符号的原因

Answer 1

"."匹配除换行符 \n 之外的任何单字符，所以你在正则表达式的网址上无法提取。你在python里提取的到是因为re.S使 . 匹配包括换行在内的所有字符