python替换残缺的多域名图片网址

Posted 椿与湫

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python替换残缺的多域名图片网址相关的知识,希望对你有一定的参考价值。

在获取网站真是图片的时候,经常遇到图片链接残缺问题。

例如下图所示的情况:

img标签中的图片链接是残缺的,如果这个网站域名又是多种情况的话,比如  

  http://sports.online.sh.cn/content/2018-03/13/content_8813151.htm

  http://sports.online.sh.cn/images/attachement/jpg/site1/20180313/IMG4ccc6a76b0f047094677984.JPG

  http://shenhua.online.sh.cn/content/2018-03/13/content_8813187.htm

  http://shenhua.online.sh.cn/images/attachement/jpg/site1/20180313/IMGd43d7e5f35354709509383.JPG

 

这两条新闻是同一个网站的,但是不同的新闻页面,图片的链接又是残缺的,如何获取真正的图片链接呢?

首先,我们需要判断当前页的域名。将鼠标移至图片残缺url上面就会看到完整的url链接。一般残缺图片链接的缺失部分,正是网址栏中的域名部分。

之后,我们就可以在代码中进行判断,如:

    def parse_item(self, response, spider):
        self.item = self.load_item(response)
        if \'sports\' in response.url:
            self.item[\'content\'] = self.item[\'content\'].replace(\'../../../images\', \'http://sports.online.sh.cn/images\')
        elif \'shenhua\' in response.url:
            self.item[\'content\'] = self.item[\'content\'].replace(\'../../../images\', \'http://shenhua.online.sh.cn/images\')
        yield self.item

 

~上面使用成员操作符 in来查找相应的域名,是较为实用简单的判断方法,相同的做用判断还可以用以下几种方法来实现:  

~使用string模块的index()/rindex()方法 
index()/rindex()方法跟find()/rfind()方法一样,只不过找不到子字符串的时候会报一个ValueError异常。

import string

def find_string(s,t):
    try:
        string.index(s,t)
        return True
    except(ValueError): 
        return False

s=\'nihao,shijie\'
t=\'nihao\'
result = find_string(s,t)
print result  #True

 

~使用字符串对象的find()/rfind()、index()/rindex()和count()方法

>>> s=\'nihao,shijie\'
>>> t=\'nihao\'
>>> result = s.find(t)>=0
>>> print result
True
>>> result=s.count(t)>0
>>> print result
True
>>> result=s.index(t)>=0
>>> print result
True

 

以上是关于python替换残缺的多域名图片网址的主要内容,如果未能解决你的问题,请参考以下文章

无法替换图像视图,用于来自相机或画廊的图像(它不起作用)

完全重定向所有网址,只需更改域名

图片网址未缓存

Java Regex替换:和/除了url中的域名到空格

如何从片段内的列表视图打开链接网址?

简洁自适应导航源码