BeautifulSoup：在Python中提取“img alt”内容Web抓取

Question

我在Python3中工作。我的目标是提取一个表的不同值，并将它们放入不同的列表中。在

问题是我不能接受td中“img alt”的值。在

这是我的代码：

    from bs4 import BeautifulSoup
import urllib.request

redditFile = urllib.request.urlopen("http://www.mtggoldfish.com/movers/online/all")
redditHtml = redditFile.read()
redditFile.close()
soup = BeautifulSoup(redditHtml)
all_tables = soup.find_all('table')

right_table = soup.find('table', class_='table table-bordered table-striped table-condensed movers-table')

#create a list
A=[]
B=[]
C=[]
D=[]

for row in right_table.findAll("tr"):
    cells = row.findAll('td')
    increment = row.findAll('span')
    colection = row.findAll('img')
    link = row.findAll('a')
    if len(cells) == 6:
        A.append(cells[0].find(text=True))
        B.append(increment[0].find(text=True))
        C.append(colection[0])
        D.append(link[0].find(text=True))
print(A)
print(B)
print(C)
print(D)

这个代码给出了这个结果：

^{pr2}$

src=“//资产1。mtggoldfish.com/assets/s-407aaa9c9786d606684c6967c47739c5.gif“/>；，] [“杰斯，弗林的神童”，“盖亚的摇篮”，“诱捕桥”，“叛徒之城”，“彭德尔哈文”，“火暴”，“科尔精神舞者”，“烫伤的塔恩”，“破晓的花冠”，“伯恩柳林”]

但我需要IMG ALT值在（例如，第一个IMG ALT值是“ORI”）

colection variable

我不知道我能做什么。伙计们，你们能帮我吗？

提前谢谢你

Answer 1

一旦有了一个<img>节点实例，就可以使用以下方法获得alt值：

alt_tag = img.attrs['alt']

因为您得到了一个img元素的集合，所以可以遍历它并检索每个元素的alt标记：

^{pr2}$

Answer 2

如果只想从img标记中选择alt，只需从表中选择img标记并提取alt属性：

right_table = soup.find('table', class_='table table-bordered table-striped table-condensed movers-table')

print([img["alt"] for img in right_table.select("img[alt]")])
['ORI', 'PRM', '8ED', 'EX', 'TSB', 'WL', 'ROE', 'ZEN', 'FUT', 'FUT']

在您自己的循环中，当您似乎只需要一个元素时，您使用的是findAll，如果您只想要第一个元素，那么就使用findrow.find('span')等。。并且row.find('img')["alt"]将为每一行提供alt值，查看页面，每个tr只有一个，因此您绝对不需要findAll。在

如果要在本地重新创建表，我会将数据放入dict：

^{pr2}$

输出：

{1: [u'+8.78', u'68.03', u'+15.00%', u"Jace, Vryn's Prodigy", 'ORI'],
 2: [u'+2.47', u'47.96', u'+5.00%', u"Gaea's Cradle", 'PRM'],
 3: [u'+1.95', u'20.37', u'+11.00%', u'Firestorm', 'WL'],
 4: [u'+1.73', u'23.91', u'+8.00%', u'Force of Will', 'VMA'],
 5: [u'+1.35', u'40.88', u'+3.00%', u'Ensnaring Bridge', '8ED'],
 6: [u'+1.28', u'44.02', u'+3.00%', u'City of Traitors', 'EX'],
 7: [u'+1.15', u'41.98', u'+3.00%', u'Time Walk', 'VMA'],
 8: [u'+1.01', u'28.68', u'+4.00%', u'Daze', 'NE'],
 9: [u'+1.01', u'19.96', u'+5.00%', u"Goryo's Vengeance", 'BOK'],
 10: [u'+1.00', u'3.99', u'+33.00%', u'Unearth', 'UL']}

您将看到它与当前的表数据完全匹配，如果您希望所有获奖者只需将url更改为http://www.mtggoldfish.com/movers-details/online/all/winners/dod

或者，如果您想将字段拆分，只需拉firs增量：

for row in right_table.select("tr"):
    increment = row.find('span',{"class":'increase'})
    if increment:
        increment = increment.text
        place = int(row.td.text)
        title = row.select("a[data-full-image]")[0].text
        alt = (row.find("img")["alt"])
        table_dict[place] = {"title":title,"alt":alt, "inc":increment}


from pprint import pprint as pp

pp(table_dict)

输出：

{1: {'alt': 'ORI', 'inc': u'+8.78', 'title': u"Jace, Vryn's Prodigy"},
 2: {'alt': 'PRM', 'inc': u'+2.47', 'title': u"Gaea's Cradle"},
 3: {'alt': 'WL', 'inc': u'+1.95', 'title': u'Firestorm'},
 4: {'alt': 'VMA', 'inc': u'+1.73', 'title': u'Force of Will'},
 5: {'alt': '8ED', 'inc': u'+1.35', 'title': u'Ensnaring Bridge'},
 6: {'alt': 'EX', 'inc': u'+1.28', 'title': u'City of Traitors'},
 7: {'alt': 'VMA', 'inc': u'+1.15', 'title': u'Time Walk'},
 8: {'alt': 'NE', 'inc': u'+1.01', 'title': u'Daze'},
 9: {'alt': 'BOK', 'inc': u'+1.01', 'title': u"Goryo's Vengeance"},
 10: {'alt': 'UL', 'inc': u'+1.00', 'title': u'Unearth'}}