web-dev-qa-db-fra.com

Extraire l'attribut `src` de la balise` img` à l'aide de BeautifulSoup

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

J'utilise bs4 et je ne peux pas utiliser a.attrs['src'] pour obtenir le src, mais je peux obtenir href. Que devrais-je faire?

pythonregexbs4
11
iDelusion

Vous pouvez utiliser BeautifulSoup pour extraire l'attribut src d'un html img tag. Dans mon exemple, la htmlText contient la balise img elle-même, mais elle peut également être utilisée pour une URL avec urllib2.

Pour les 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']

pour les textes avec balise img

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']
22
Abu Shoeb

Un lien n'a pas d'attribut src vous devez cibler la balise img réelle.

import bs4

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

soup = bs4.BeautifulSoup(html, "html.parser")

# this will return src attrib from img tag that is inside 'a' tag
soup.a.img['src']

>>> 'some'

# if you have more then one 'a' tag
for a in soup.find_all('a'):
    if a.img:
        print(a.img['src'])

>>> 'some'
6
mx0