python:从html获取图像链接

Question

来自这样的 html/rss 片段

[...]<div class="..." style="..."></div><p><a href="..."
<img alt="" heightt="" src="http://link.to/image"
width="" /></a><span style="">[...]

我想获取图片源链接“http://link.to/image.jpg”。我怎么能在 python 中做到这一点？谢谢。

Answer 1

lxml是完成工作的工具。

要从网页中抓取所有图片就这么简单:

import lxml.html

tree = lxml.html.parse("http://example.com")
images = tree.xpath("//img/@src")

print images

给予:

['/_img/iana-logo-pageheader.png', '/_img/icann-logo-micro.png']

如果它是一个 RSS 提要，您需要使用 lxml.etree 来解析它。