如何用Python正则表达式从字符串中提取指定图片URL？

修正正则表达式 #

你的正则匹配逻辑存在两个核心问题：一是未限制URL的边界（比如忽略了JS中URL通常被引号包裹的特性），二是未转义URL里的.字符（正则中.是通配符，会匹配任意字符），导致把周围的JS代码也一并匹配进来。可以改用以下正则精准提取目标URL：

import re

# 假设str(new_bs)是包含JS代码的原始HTML字符串
pattern = r'"https://m.media-amazon.com/images/I/[^"]*_AC_SL1500_\.jpg"'
raw_matches = re.findall(pattern, str(new_bs))
# 去除首尾的双引号，得到纯URL
clean_urls = [url.strip('"') for url in raw_matches]
# 截取前9个目标URL
target_urls = clean_urls[:9]

关键修改说明 #

• [^"]*：匹配除双引号外的任意字符，确保只捕获引号内部的URL内容，避免混入JS代码
• \.jpg：转义.字符，让正则匹配URL里的实际点号，而非任意字符
• 双引号包裹匹配规则：利用JS中URL通常用双引号定义的特性，精准定位合法URL

兼容单引号场景的优化 #

如果目标URL在JS中是用单引号包裹的，可以改用兼容单双引号的正则：

pattern = r'["\']https://m.media-amazon.com/images/I/[^"\']*_AC_SL1500_\.jpg["\']'

后续处理时同样需要去除首尾的引号。

内容的提问来源于stack exchange，提问作者Enes Kasikci