Python 2.7美丽汤图片源提取

Question

for imgsrc in Soup.findAll('img', {'class': 'sizedProdImage'}):
    if imgsrc:
        imgsrc = imgsrc
    else:
        imgsrc = "ERROR"

patImgSrc = re.compile('src="(.*)".*/>')
findPatImgSrc = re.findall(patImgSrc, imgsrc)

print findPatImgSrc

'''
<img height="72" name="proimg" id="image" class="sizedProdImage" src="http://imagelocation" />

我想从这里提取内容，我得到的是：

findimgsrcPat = re.findall(imgsrcPat, imgsrc)
File "C:\Python27\lib\re.py", line 177, in findall
    return _compile(pattern, flags).findall(string)
TypeError: expected string or buffer

'''

- phales15

Answer 1

有一个更简单的解决方案：

 soup.find('img')['src']

- StanleyD

---

五年过去了，这仍然是最优雅的。 - remykarem

Answer 2

你正在将beautifulsoup节点传递给re.findall函数，需要将它转换为字符串。尝试使用以下代码：

findPatImgSrc = re.findall(patImgSrc, str(imgsrc))

更好的方法是使用beautifulsoup提供的工具：

[x['src'] for x in soup.findAll('img', {'class': 'sizedProdImage'})]

给出所有class为'sizedProdImage'的img标签的src属性列表。

- soulcheck

Answer 3

在我的例子中，htmlText 包含 img 标签，但它也可以用于 URL。请参见我的答案这里。

from BeautifulSoup import BeautifulSoup as BSHTML
htmlText = """<img src="https://src1.com/" <img src="https://src2.com/" /> """
soup = BSHTML(htmlText)
images = soup.findAll('img')
for image in images:
    print image['src']

- Abu Shoeb

Answer 4

你正在创建一个 re 对象，然后将其传递给 re.findall，而该函数期望第一个参数为字符串类型：

patImgSrc = re.compile('src="(.*)".*/>')
findPatImgSrc = re.findall(patImgSrc, imgsrc)

相反，使用刚刚创建的patImgSrc对象的.findall方法：

patImgSrc = re.compile('src="(.*)".*/>')
findPatImgSrc = patImgSrc.findall(imgsrc)

- Kirk Strauser

---

仍然出现错误： Traceback (most recent call last): File "C:\Users\BuyzDirect\Desktop\OverStock_Listing_Format_Tool.py", line 50, in <module> findPatImgSrc = patImgSrc.findall(imgsrc) TypeError: 预期字符串或缓冲区 - phales15