Python BeautifulSoup 替换 img src

Posted 2023-03-05

【中文标题】Python BeautifulSoup 替换 img src

【英文标题】：Python BeautifulSoup replace img src

【发布时间】：2017-01-10 14:21:41

【问题描述】：

我正在尝试从站点解析 html 内容，更改 href 和 img src。 a href 更改成功，但 img src 不成功。

它在变量中发生了变化，但在 HTML (post_content) 中没有：

<p><img  src="https://lifehacker.ru/wp-content/uploads/2016/08/15120903sa_d2__1471520915-630x523.jpg" title="Title"/></p>

不是 _http://site.ru...

<p><img  src="http://site.ru/wp-content/uploads/2016/08/15120903sa_d2__1471520915-630x523.jpg" title="Title"/></p>

我的代码

if "app-store" not in url:
        r = requests.get("https://lifehacker.ru/2016/08/23/kak-vybrat-trimmer/")
        soup = BeautifulSoup(r.content)

        post_content = soup.find("div", "class", "post-content")
        for tag in post_content():
            for attribute in ["class", "id", "style", "height", "width", "sizes"]:
                del tag[attribute]

        for a in post_content.find_all('a'):
            a['href'] = a['href'].replace("https://lifehacker.ru", "http://site.ru")

        for img in post_content.find_all('img'):
            img_urls = img['src']
            if "https:" not in img_urls:
                img_urls="http:".format(img_urls)
            thumb_url = img_urls.split('/')
            urllib.urlretrieve(img_urls, "/Users/kr/PycharmProjects/education_py//".format(folder_name, thumb_url[-1]))

            file_url = "/Users/kr/PycharmProjects/education_py//".format(folder_name, thumb_url[-1])
            data = 
                'name': ''.format(thumb_url[-1]),
                'type': 'image/jpeg',
            

            with open(file_url, 'rb') as img:
                data['bits'] = xmlrpc_client.Binary(img.read())


            response = client.call(media.UploadFile(data))

            attachment_url = response['url']


            img_urls = img_urls.replace(img_urls, attachment_url)



        [s.extract() for s in post_content('script')]
        post_content_insert = bleach.clean(post_content)
        post_content_insert = post_content_insert.replace('&lt;', '<')
        post_content_insert = post_content_insert.replace('&gt;', '>')

        print post_content_insert

【参考方案1】：

看起来您从未将img_urls 分配回img['src']。尝试在块的末尾这样做。

img_urls = img_urls.replace(img_urls, attachment_url)
img['src'] = img_urls

... 但是首先，您需要更改 with 语句，以便它使用除 img 之外的其他名称作为文件对象。现在你覆盖了 dom 元素，你不能再访问它。

        with open(file_url, 'rb') as some_file:
            data['bits'] = xmlrpc_client.Binary(some_file.read())

【讨论】：

已经尝试过但是 - img['src'] = img_urls TypeError: 'file' object does not support item assignment

哦，这是一个名称冲突问题。已编辑。

工作 - 完美，非常感谢，对于菜鸟问题​​感到抱歉。