Question

这是东西

我只想在其他凌乱的html的全部内容中抓取这些标签

<table bgcolor="FFFFFF" border="0" cellpadding="5" cellspacing="0" align="center">
    <tr>
        <td>
            <a href="./index.html?id=subjective&page=2">
                <img src='https://www.dogdrip.net/?module=file&act=procFileDownload&file_srl=224868098&sid=cc8c0afbb679bef6420500988a756054&module_srl=78' style='max-width:180px;max-height:270px' align='absmiddle' title="cutie cat">
            </a>
        </td>
    </tr>
</table>

我第一次尝试使用CSS选择器选择器为

#div_article_contents > tr:nth-child(1) > th:nth-child(1) > table > tbody > tr:nth-child(1) > td > table > tbody > tr > td > a > img

但是soup.select('selector')无效。它输出空列表。我不知道为什么

第二，我尝试使用标签我想抓取的每一个都有特定的风格所以我尝试了：

soup.select('img[style = fixedstyle]')

但是没有用。这将是语法错误...

我要抓取的就是 href链接列表和img标题列表

请帮助我

Answer 1

如果img标记具有特定的样式值，则可以使用您尝试的内容，只需删除多余的空格即可：

from bs4 import BeautifulSoup

html='''
<a href='link'>
    <img src='address' style='max-width:222px;max-height:222px' title='owntitle'>
</a>
<a href='link'>
    <img src='address1' style='max-width:222px;max-height:222px' title='owntitle1'>
</a>
<a href='link'>
    <img src='address2' style='max-width:222px;max-height:222px' title='owntitle2'>
</a>
'''

srcs=[]
titles=[]
soup=BeautifulSoup(html,'html.parser')
for img in soup.select('img["style=max-width:222px;max-height:222px"]'):
    srcs.append(img['src'])
    titles.append(img['title'])
print(srcs)
print(titles)

否则，您可以从a标记开始，然后像这样下移至img：

for a in soup.select('a'):
    srcs.append(a.select_one('img')['src'])
    titles.append(a.select_one('img')['title'])
print(srcs)
print(titles)

如何选择具有某些属性类型的标签

1 个答案: