Python如何从HTML提取img标签下的src属性
目录
- 前提准备
- 步骤
- 1. 解析HTML内容
- 2. 查找所有的`img`标签
- 3. 提取`src`属性
- 完整代码
前提准备
在处理网页数据时，我们经常需要从HTML中提取特定的信息，比如图片的URL。
这通常通过获取img标签的src属性来实现。
在开始之前，你需要确保已经安装了BeautifulSoup
pip install beautifulsoup4
步骤
1. 解析HTML内容
from bs4 import BeautifulSoup # 导入BeautifulSoup库
html_content = """
<html>
<head><title>Test Page</title></head>
<body>
<img src="image1.jpg" alt="Image 1">
<img src="image2.png" alt="Image 2">
</body>
</html>
"""
soup = BeautifulSoup(html_content, 'html.parser') # 使用BeautifulSoup解析HTML内容
2. 查找所有的img标签
使用find_all方法查找所有的img标签。
img_tags = soup.find_all('img')
3. 提取src属性
遍历所有的img标签，并提取它们的src属性。
src_urls = [img['src'] for img in img_tags if img.has_attr('src')]
使用列表推导式来创建一个包含所有src属性值的列表。
img.has_attr('src')确保我们只处理那些实际包含src属性的img标签。
完整代码
from bs4 import BeautifulSoup
html_content = """
<html>
<head><title>Test Page</title></head>
<body>
<img src="image1.jpg" alt="Image 1">
<img src="image2.png" alt="Image 2">
</body>
</html>
"""
# 解析HTML内容
soup = BeautifulSoup(html_content, 'html.parser')
# 查找所有的img标签
img_tags = soup.find_all('img')
# 提取src属性
src_urls = [img['src'] for img in img_tags if img.has_attr('src')]
# 打印结果
print(src_urls)
运行这段代码，你将得到一个包含所有图片URL的列表，例如：['image1.jpg', 'image2.png']。
