Beautifulsoup 无法从 img 标签中提取 src 属性

Question

Beautifulsoup 无法从 img 标签中提取 src 属性

4

这是我的代码：

html = '''<img onload='javascript:if(this.width>950) this.width=950'
src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg">'''
soup = BeautifulSoup(html)
imgs = soup.findAll('img')

print imgs[0].attrs

它将打印出[(u'onload', u'javascript:if(this.width>950) this.width=950')]

那么src属性在哪里呢？

如果我将html替换为像html = '''<img src="/image/fluffybunny.jpg" title="Harvey the bunny" alt="a cute little fluffy bunny" />'''这样的东西

我得到了正确的结果，如下[(u'src', u'/image/fluffybunny.jpg'), (u'title', u'Harvey the bunny'), (u'alt', u'a cute little fluffy bunny')]

我对HTML和beautifulsoup还很陌生。我是不是缺少一些知识？谢谢任何想法。

- foresightyj

2个回答

0

这种方法可能很有用：

image=container.find("div",{"class":"ika-picture-flex-box"})
image=image.find_all("source")
image[1].get('srcset')

- dublinduke

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- TerryA · Accepted Answer

我用过BeautifulSoup的3和4两个版本，并且注意到bs4(第四版)似乎比第三版更好地修复了你的HTML。

使用BeautifulSoup 3：

>>> html = """<img onload='javascript:if(this.width>950) this.width=950' src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg">"""
>>> soup = BeautifulSoup(html) # Version 3 of BeautifulSoup
>>> print soup
<img onload="javascript:if(this.width&gt;950) this.width=950" />950) this.width=950' src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg"&gt;

注意现在>变成了>，而且一些位子有点错乱。

此外，当你调用BeautifulSoup()时，它会将其分开。如果你打印soup.img，你会得到：

<img onload="javascript:if(this.width&gt;950) this.width=950" />

因此您可能会错过一些细节。

使用bs4（BeautifulSoup 4，当前版本）：

>>> html = '''<img onload='javascript:if(this.width>950) this.width=950' src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg">'''
>>> soup = BeautifulSoup(html) 
>>> print soup
<html><body><img onload="javascript:if(this.width&gt;950) this.width=950" src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg"/></body></html>

现在使用.attrs：在BeautifulSoup 3中，它返回一个元组列表，正如你所发现的那样。在BeautifulSoup 4中，它返回一个字典：

>>> print soup.findAll('img')[0].attrs # Version 3
[(u'onload', u'javascript:if(this.width>950) this.width=950')]

>>> print soup.findAll('img')[0].attrs # Version 4
{'onload': 'javascript:if(this.width>950) this.width=950', 'src': 'http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg'}

那么该怎么办呢？下载BeautifulSoup 4。它可以更好地解析HTML。

顺便提一下，如果你只想得到src，就不需要调用.attrs：

>>> print soup.findAll('img')[0].get('src')
http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg