使用BeautifulSoup从“img”标记提取“src”属性

Question

<div class="someClass">
    <a href="href">
        <img alt="some" src="some"/>
    </a>
</div>

我使用bs4并且我不能使用a.attrs['src']来获得src，但是我可以获得href。我该怎么办？

Answer 1

可以使用BeautifulSoup提取html img标记的src属性。在我的示例中，htmlText包含img标记本身，但这也可以与urllib2一起用于URL。

对于URL

from BeautifulSoup import BeautifulSoup as BSHTML
import urllib2
page = urllib2.urlopen('http://www.youtube.com/')
soup = BSHTML(page)
images = soup.findAll('img')
for image in images:
    #print image source
    print image['src']
    #print alternate text
    print image['alt']

对于带有img标签的文本

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']