漂亮汤（Beautiful Soup）。如何获取包含特定单词的链接？

Question

HTML包含在div中的字符串：

• 'div class="slide"' 'img src="xttps://site.com/files/r_1000,kljg894/43k5j/35h43jkl.jpg' '/div'
• 'div class="slide"' 'img src="xttps://site.com/files/r_2000,kljg894/43k5j/35h43jkl.jpg' '/div'
• 'div class="slide"' 'img src="xttps://site.com/files/r_3000,kljg894/43k5j/35h43jkl.jpg' '/div'

需要获取仅包含“r_3000”的链接

这段代码可以获取所有链接：

imglink = soup.find_all('img')
print(imglink)

我查阅并尝试了许多技巧。例如：

('img', string="*r_3000*")、('img', string=re.compile('r_3000') 和 ('img', string=lambda s: 'r_3000' in s) 等等，但这些都没有起作用 :(

请帮帮我。

- Роман Демидов

Answer 1

许多方法可以实现这一点。尝试使用CSS选择器。

from bs4 import BeautifulSoup
html='''<div class="slide"><img src="xttps://site.com/files/r_1000,kljg894/43k5j/35h43jkl.jpg"></div>
<div class="slide"> <img src="xttps://site.com/files/r_2000,kljg894/43k5j/35h43jkl.jpg"></div>
<div class="slide"><img src="xttps://site.com/files/r_3000,kljg894/43k5j/35h43jkl.jpg"></div>'''
soup=BeautifulSoup(html,"html.parser")
for item in soup.select("img[src*='r_3000']"):
    print(item['src'])

- KunduK

Answer 2

我建议先用Python从文档中进行过度选择，然后再进行筛选。例如：

img_links = soup.find_all('img', src=True)
r_3000_links = [ l['src'] for l in img_links if 'r_3000' in l['src'] ]

将返回包含“r_3000”的所有链接列表。

- wpercy