Question

这是我的代码：

html = '''<img onload='javascript:if(this.width>950) this.width=950'
src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg">'''
soup = BeautifulSoup(html)
imgs = soup.findAll('img')

print imgs[0].attrs

它会打印[(u'onload', u'javascript:if(this.width>950) this.width=950')]

那么src属性在哪里？

如果我用html = '''<img src="/image/fluffybunny.jpg" title="Harvey the bunny" alt="a cute little fluffy bunny" />'''

之类的内容替换html

我得到的结果为[(u'src', u'/image/fluffybunny.jpg'), (u'title', u'Harvey the bunny'), (u'alt', u'a cute little fluffy bunny')]

我是HTML和beautifulsoup的新手。我错过了一些知识吗？谢谢你的任何想法。

Answer 1

我使用BeautifulSoup的第3版和第4版对此进行了测试，并注意到bs4（版本4）似乎比版本3更好地修复了HTML。

使用BeautifulSoup 3：

>>> html = """<img onload='javascript:if(this.width>950) this.width=950' src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg">"""
>>> soup = BeautifulSoup(html) # Version 3 of BeautifulSoup
>>> print soup
<img onload="javascript:if(this.width&gt;950) this.width=950" />950) this.width=950' src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg"&gt;

请注意>现在是>，有些位不合适。

另外，当你调用BeautifulSoup（）时，它会将它分开。如果你要打印soup.img，你会得到：

<img onload="javascript:if(this.width&gt;950) this.width=950" />

所以你会错过细节。

使用bs4（BeautifulSoup 4，当前版本）：

>>> html = '''<img onload='javascript:if(this.width>950) this.width=950' src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg">'''
>>> soup = BeautifulSoup(html) 
>>> print soup
<html><body><img onload="javascript:if(this.width&gt;950) this.width=950" src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg"/></body></html>

现在使用.attrs：在BeautifulSoup 3中，它返回一个元组列表，就像你发现的那样。在BeautifulSoup 4中，它返回一个字典：

>>> print soup.findAll('img')[0].attrs # Version 3
[(u'onload', u'javascript:if(this.width>950) this.width=950')]

>>> print soup.findAll('img')[0].attrs # Version 4
{'onload': 'javascript:if(this.width>950) this.width=950', 'src': 'http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg'}

那该怎么办？ Get BeautifulSoup 4。它会更好地解析HTML。

顺便说一句，如果你想要的只是src，则不需要调用.attrs：

>>> print soup.findAll('img')[0].get('src')
http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg

Answer 2

这种方法很有用：

image=container.find("div",{"class":"ika-picture-flex-box"})
image=image.find_all("source")
image[1].get('srcset')

Beautifulsoup无法从img标签中提取src属性

2 个答案: