Python 2.7美丽的汤Img Src Extract-Java 学习之路

for imgsrc in Soup.findAll('img', {'class': 'sizedProdImage'}):
    if imgsrc:
        imgsrc = imgsrc
    else:
        imgsrc = "ERROR"

patImgSrc = re.compile('src="(.*)".*/>')
findPatImgSrc = re.findall(patImgSrc, imgsrc)

print findPatImgSrc

'''
<img height="72" name="proimg" id="image" class="sizedProdImage" src="http://imagelocation" />

这就是我想从中提取的内容，我得到了：

findimgsrcPat = re.findall(imgsrcPat, imgsrc)
File "C:\Python27\lib\re.py", line 177, in findall
    return _compile(pattern, flags).findall(string)
TypeError: expected string or buffer

“””

4 回答

33
你将beautifulsoup节点传递给re.findall . 你必须将它转换为字符串 . 尝试：
```
findPatImgSrc = re.findall(patImgSrc, str(imgsrc))
```
更好的是，使用beautifulsoup提供的工具：
```
[x['src'] for x in soup.findAll('img', {'class': 'sizedProdImage'})]
```
给出了类'sizedProdImage'的img标签的所有src属性的列表 .
回复于 2024-05-15T22:36:53+08:00
0
有更简单的解决方案：
```
soup.find('img')['src']
```
回复于 2024-05-15T22:36:53+08:00
0
你正在创建一个 re 对象，然后将其传递给 re.findall ，它需要一个字符串作为第一个参数：
```
patImgSrc = re.compile('src="(.*)".*/>')
findPatImgSrc = re.findall(patImgSrc, imgsrc)
```
而是使用刚刚创建的patImgSrc对象的 .findall 方法：
```
patImgSrc = re.compile('src="(.*)".*/>')
findPatImgSrc = patImgSrc.findall(imgsrc)
```
回复于 2024-05-15T22:36:53+08:00

在我的示例中，htmlText包含img标记，但它也可以用于URL . 看我的回答here

from BeautifulSoup import BeautifulSoup as BSHTML
htmlText = """<img src="https://src1.com/" <img src="https://src2.com/" /> """
soup = BSHTML(htmlText)
images = soup.findAll('img')
for image in images:
    print image['src']

回复于 2024-05-15T22:36:53+08:00

Python 2.7美丽的汤Img Src Extract

4 回答

相关问题