Question

我正在使用bs4并希望提取指定图片的href。例如，我有html代码：

<div style="text-align:center;"><a href="page/folder1/image.jpg" target="_blank"><img src="page_files/image.jpg" alt="Picture" border="0" width="150" height="150"></a></div>
</div>

我的图片src已被提供（page_files/image.jpg），并希望提取相应的href，因此在此示例中为：page/folder1/image.jpg。我试图使用find_previous method，但我有一个小问题来提取href内容：

soup = bs4.BeautifulSoup(page)
for img in soup('img'):
  imgLink = img.find_previous("a")

这将返回整个标记：

<a href="Here_is_link"><img alt="Tumblr" border="0" src="Here_is_source"/></a>

但我无法接受href内容，因为当我尝试制作时：

imgLink = img.find_previous("a")['href']

我有错误。同样的事情是当我尝试使用find_parent之类的

时

imgLink = img.find_parent("a")['href']

我该如何解决？还有什么更好：find_previous()或find_parent()？

Answer 1

确保您仅寻找具有<a>属性href父标记的图片：

for img in soup.select('a[href] img'):
    link = img.find_parent('a', href=True)
    print link['href']

CSS selector仅选择具有<a href="...">父标记并具有href属性的图像。然后，find_parent()搜索会再次将搜索范围限制为具有属性设置的标记。

如果您要搜索所有图片，可能会发现一些标记为<a>的父标记或前标记不具有href属性;例如，<a>标记也可用于<a name="...">的链接目标。如果您收到NoneType属性错误，则只是意味着给定<img>标记没有此类父标记。

Python：提取href周围的图像

1 个答案: