Question

我试图在网页上获取图片的网址并使用此代码：

import httplib2
from BeautifulSoup import BeautifulSoup, SoupStrainer

http = httplib2.Http()
status, response = http.request('URL')
for link in BeautifulSoup(response, parseOnlyThese=SoupStrainer('img')):
        if "visibility:hidden" not in link:
                print "IMAGE PATH: "+link['src']

我想过滤隐藏图像的链接，如：

img style="position:absolute;z-index:-3334;top:0px;left:0px;visibility:hidden;" src="https://.....

但是我无法过滤＆＃34;链接＆＃34;变量。如果总是通过。

链接变量是什么类型的？串？我可以将其转换为字符串类型吗？我该怎么办？谢谢。

编辑：谢谢M. Leung 我尝试使用你给出的构造函数： BeautifulSoup（回复，＆＃39; html.parser＆＃39;，parse_only = SoupStrainer（＆＃39; img＆＃39;）但这对我失败了： Traceback（最近一次调用最后一次）：文件＆＃34; getLinksFromPage3.py＆＃34;，第10行，in 对于BeautifulSoup中的链接（回复，＆＃39; html.parser＆＃39;，parse_only = SoupStrainer（＆＃39; img＆＃39;））：文件＆＃34; /usr/lib/python2.7/dist-packages/BeautifulSoup.py"，第1522行， init BeautifulStoneSoup。 init （self，* args，** kwargs） TypeError： init （）得到了一个意外的关键字参数＆＃39; parse_only＆＃39;

Answer 1

首先使用tag.attrs获取标签上的attrs，然后过滤attr。以下代码工作。

此外，您应该定义哪种解析器适合该情况，将会产生更好的结果。

for link in BeautifulSoup(response, 'html.parser', parse_only=SoupStrainer('img')):
    if 'style' in link.attrs:
        if "visibility:hidden" not in link['style']:
            print link['src']
    else:
        print link['src']

Answer 2

谢谢M. Leung。我不得不改为bs4。

import httplib2
from bs4 import BeautifulSoup, SoupStrainer

http = httplib2.Http()
status, response = http.request('URL')

for link in BeautifulSoup(response, 'html.parser', parse_only=SoupStrainer('img')):
    if 'style' in link.attrs:
        if "visibility:hidden" not in link['style']:
            print link['src']
    else:
        print link['src']

无法过滤图像的beautifulsoup结果

2 个答案: