Question

我正在使用python 3.5.1和请求模块制作一个小型网页抓取工具，该模块会从特定网站下载所有漫画。我正在尝试一个页面。我使用BeautifulSoup4解析页面，如下所示：

import webbrowser
import sys
import requests
import re
import bs4

res = requests.get('http://mangapark.me/manga/berserk/s5/c342')
res.raise_for_status()
soup = bs4.BeautifulSoup(res.text, 'html.parser')

for link in soup.find_all("a", class_ = "img-link"):
    if(link):
        print(link)
    else:
        print('ERROR')

当我print(link)时，我感兴趣的是正确的HTML部分，但当我尝试仅使用link.get('src')获取 src 中的链接时仅打印None。

我尝试使用以下方式获取链接：

img = soup.find("img")["src"]

并且没关系，但我希望拥有所有src链接，而不是第一个链接。我对beautifulSoup的经验不多。请指出发生了什么。谢谢。

我感兴趣的网站上的示例HTML部分是：

<a class="img-link" href="#img2">
    <img id="img-1" class="img"
          rel="1" i="1" e="0" z="1" 
          title="Berserk ch.342 page 1" src="http://2.p.mpcdn.net/352582/687224/1.jpg"
          width="960" _width="818" _heighth="1189"/>        
</a>

Answer 1

我会使用CSS selector一次性完成：

for img in soup.select("a.img-link img[src]"):
    print(img["src"])

在这里，我们将所有img元素的src属性放在a元素下，img-link类。它打印：

http://2.p.mpcdn.net/352582/687224/1.jpg
http://2.p.mpcdn.net/352582/687224/2.jpg
http://2.p.mpcdn.net/352582/687224/3.jpg
http://2.p.mpcdn.net/352582/687224/4.jpg
...
http://2.p.mpcdn.net/352582/687224/20.jpg

如果您仍想使用find_all()，则必须将其嵌套：

for link in soup.find_all("a", class_ = "img-link"):
    for img in link.find_all("a", src=True):  # searching for img with src attribute
        print(img["src"])

BeautifulSoup HTML获得src链接

1 个答案: