Question

我试图用美丽的汤从文章中刮掉图像。它似乎工作，但我无法打开图像。每次我尝试从桌面访问图像时都会出现文件格式错误。任何见解？

timestamp = time.asctime() 

# Parse HTML of article, aka making soup
soup = BeautifulSoup(urllib2.urlopen(url).read())

# Create a new file to write content to
txt = open('%s.jpg' % timestamp, "wb")

# Scrape article main img
links = soup.find('figure').find_all('img', src=True)
for link in links:
    link = link["src"].split("src=")[-1]
    download_img = urllib2.urlopen(link)
    txt.write('\n' + "Image(s): " + download_img.read() + '\n' + '\n')

txt.close()

Answer 1

您正在为每张图片的数据开头附加一个新行和文字，这实际上会破坏它。

此外，您正在将每个图像写入同一个文件，再次破坏它们。

将用于编写文件的逻辑放在循环中，并且不向图像添加任何额外数据，它应该可以正常工作。

# Scrape article main img
links = soup.find('figure').find_all('img', src=True)
for link in links:
    timestamp = time.asctime() 
    txt = open('%s.jpg' % timestamp, "wb")
    link = link["src"].split("src=")[-1]
    download_img = urllib2.urlopen(link)
    txt.write(download_img.read())

    txt.close()

使用美丽的汤刮图像

1 个答案: