def check_flag(flag):
regex = re.compile(r'images\/')
result = True if regex.match(flag) else False
return result
#soup = BeautifulSoup(open('index.html'))
from bs4 import BeautifulSoup
html_content = '''
<a href="https://xxx.com">测试01</a>
<a href="https://yyy.com/123">测试02</a>
<a href="https://xxx.com">测试01</a>
<a href="https://xxx.com">测试01</a>
'''
file = open(r'favour-en.html','r',encoding="UTF-8")
soup = BeautifulSoup(file, 'html.parser')
for element in soup.find_all('img'):
if 'src' in element.attrs:
print(element.attrs['src'])
if check_flag(element.attrs['src']):
#if element.attrs['src'].find("png"):
element.attrs['src'] = "michenxxxxxxxxxxxx" +'/'+ element.attrs['src']
print("##################################")
with open('index.html', 'w',encoding="UTF-8") as fp:
fp.write(soup.prettify()) # prettify()的作⽤是将sp美化⼀下，有可读性
可以使用requests模块完成下载
# --------------------第一种：使用headers携带cookie-----------------------------# coding = utf-8
import requests
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 6.1 Win64 x64),
'Cookie':'你的cookies',
}
# 发起请求，获取二进制数据
html_str = requests.get(url,headers=headers).content
# 写入文件,采用二进制写入文件
with open('路径/文件名.后缀'，'wb') as f:
f.write(html_str)
# --------------------第二种：在requests直接携带--------------------------------
# coding = utf-8
import requests
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 6.1 Win64 x64),
}
cookies = {你的cookies，这里必须是以键值对，也就是字典的形式}
# 发起请求，获取二进制数据
html_str = requests.get(url,headers=headers,cookies = cookies).content
# 写入文件,采用二进制写入文件
with open('路径/文件名.后缀'，'wb') as f:
f.write(html_str)
python提取html内容的方法。如下参考：
1.首先，打开Python来定义字符串，在定义的字符串后面加上中括号，然后在要提取的字符位置输入zhidao。
2.点击运行程序，可以看到系统打印出的第一个字符在我们定义的字符串中，因为字符串是空格，空格占据了位置。
3.这里可以看到字符显示在程序运行界面的底部，根据我们指定的内容输出，这里写的版本是0输出的第一个字符。
4.还可以一次打印多个字符。如图所示，用冒号分隔字符串的开头，并将其写入方括号中以显示多个字符。
5.这里的输入位置是0到5，你可以发现，与我们的字符串内容相比，字符的相应位置被打印出来，而字符的另一个位置则完全不显示。
6.如果字符串比较大，大于内容的权重，从下面的数字比较方便，也可以直接输出倒数的字符。
7.这时直接用负号来表示这是倒数的位置，它使用起来也特别方便。
