Question

我想使用beautifulsoup刮取图像的href。但是，我不知道是否有必要从不同页面的同一图像源中刮除各种不同的href。

例如：

imgsource是/image/download.png

在网络的每个页面中，其/image/download.png具有不同的href

第1页：/image/download.png with href http://www.example.com/number1

第2页：/image/download.png with href http://www.example.com/ABC

以此类推。

我的目的是从整个网站中刮除所有具有相同图像/image/download.png的链接（href）。你能帮我吗？

图片的HTML：

<p><a href="www.example.com/thisislink"><img src="/image/download.png" border="0" /></a></p>

一开始我没有代码，因为我对beautifulsoup不太熟悉，但是我还没有找到可以从同一张图片中删除各种链接的教程。

Answer 1

类似这样的东西：

from bs4 import BeautifulSoup 

html_doc = """
     <p><a href="www.example.com/thisislink1"><img src="/image/download.png" border="0" /></a></p> 
     <p><a href="www.example.com/thisislink2"><img src="/image/download.png" border="0" /></a></p> 
     <p><a href="www.example.com/thisislink3"><img src="/image/other.png" border="0" /></a></p>
"""
soup = BeautifulSoup(html_doc, 'html.parser')  

for i in soup.find_all('img',src="/image/download.png"): 
    print(i.find_parent('a', href=True)['href']) 

# Out:                                                                                                                                        
# www.example.com/thisislink1
# www.example.com/thisislink2

首先用特定的img搜索src标签，然后从父标签中提取href。

有什么办法可以从同一张图片中抓取各种href？

1 个答案: