从富文本(html字符串)中获取图片,从html富文本中提取纯文本

从富文本中提取图片可以使用正则表达式来匹配<img>标签，然后通过解析标签属性获取图片地址。示例代码如下：

import re

html_text = '<p>这是一张图片</p><img src="https://example.com/image.png" alt="图片">'
# 匹配<img>标签
img_tags = re.findall(r'<img.*?>', html_text)
for img_tag in img_tags:
    # 解析src属性获取图片地址
    src = re.search(r'src="(.*?)"', img_tag).group(1)
    print(src)

从富文本中提取纯文本可以使用Python内置的html模块进行解析，然后通过遍历解析后的节点树获取文本内容。示例代码如下：

from html.parser import HTMLParser

class MyHTMLParser(HTMLParser):
    def __init__(self):
        super().__init__()
        self.text = ''
        
    def handle_data(self, data):
        self.text += data.strip()
        
html_text = '<p>这是一张图片</p><img src="https://example.com/image.png" alt="图片">'
parser = MyHTMLParser()
parser.feed(html_text)
print(parser.text)

这里定义了一个继承自HTMLParser的子类MyHTMLParser，并重写了其中的handle_data()方法，用于处理节点的文本内容。在解析过程中，遇到文本节点时，会将其内容添加到MyHTMLParser的text属性中。最终输出的结果即为解析后的纯文本。