这是我的代码:
html = '''<img onload='javascript:if(this.width>950) this.width=950'
src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg">'''
soup = BeautifulSoup(html)
imgs = soup.findAll('img')
print imgs[0].attrs
它将打印[(u'onload', u'javascript:if(this.width>950) this.width=950')]
那么src在哪里呢？属性？
如果我用类似 html = '''<img src="/image/fluffybunny.jpg" title="Harvey the bunny" alt="a cute little fluffy bunny" />''' 的东西替换 html
我得到了正确的结果 [(u'src', u'/image/fluffybunny.jpg'), (u'title', u'Harvey the bunny'), (u'alt', u'a cute little fluffy bunny')]
我对 HTML 和 beautifulsoup 很陌生。我缺少一些知识吗？感谢您的任何想法。
最佳答案
我用 BeautifulSoup 的版本 3 和版本 4 对此进行了测试，并注意到 bs4(版本 4)似乎比版本 3 更能修复您的 HTML。
使用 BeautifulSoup 3:
>>> html = """<img onload='javascript:if(this.width>950) this.width=950' src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg">"""
>>> soup = BeautifulSoup(html) # Version 3 of BeautifulSoup
>>> print soup
<img onload="javascript:if(this.width>950) this.width=950" />950) this.width=950' src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg">
注意 > 现在是 > 并且有些位不合适。
此外，当您调用 BeautifulSoup() 时，它会将其拆分。如果你要打印 soup.img，你会得到:
<img onload="javascript:if(this.width>950) this.width=950" />
所以你会错过细节。
使用 bs4(BeautifulSoup 4，当前版本):
>>> html = '''<img onload='javascript:if(this.width>950) this.width=950' src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg">'''
>>> soup = BeautifulSoup(html)
>>> print soup
<html><body><img onload="javascript:if(this.width>950) this.width=950" src="http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg"/></body></html>
现在使用 .attrs:在 BeautifulSoup 3 中，它返回一个元组列表，正如您所发现的那样。在 BeautifulSoup 4 中，它返回一个字典:
>>> print soup.findAll('img')[0].attrs # Version 3
[(u'onload', u'javascript:if(this.width>950) this.width=950')]
>>> print soup.findAll('img')[0].attrs # Version 4
{'onload': 'javascript:if(this.width>950) this.width=950', 'src': 'http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg'}
那怎么办？ Get BeautifulSoup 4 .它将更好地解析 HTML。
顺便说一句，如果您只需要src，则不需要调用.attrs:
>>> print soup.findAll('img')[0].get('src')
http://ww4.sinaimg.cn/mw600/c3107d40jw1e3rt4509j.jpg
关于html - Beautifulsoup 无法从 img 标签中提取 src 属性，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/15997865/