解析 HTML 源代码以获取没有错误的图像的 url。 （首选 Python）[关闭]
Posted
技术标签:
【中文标题】解析 HTML 源代码以获取没有错误的图像的 url。 （首选 Python）[关闭]【英文标题】：Parsing HTML source code to get url's of images without errors. (Python preferred) [closed] 【发布时间】：2012-07-11 04:30:41 【问题描述】：我制作了一个 wordpress 插件，它将博客帖子作为帖子数据发送，以便我可以保存网页。我使用以下查询从博客中获取数据：
select * from $wpdb->posts
上面这行并不重要，只是提到它是为了告诉你我是如何获取博客数据的。
数据包含 html 标记。我需要解析 HTML 以获取图像的 URL。获得 URL 后，我就知道如何从 URL 下载图像。我想知道一种解析 HTML 标记以获取图像 URL 且没有任何错误的好方法。
python 是首选语言。
【问题讨论】：
code.google.com/p/html5lib 【参考方案1】：有几个 python 模块可以为你做这件事：
美汤 lxml.html html5lib例如，
import BeautifulSoup
html = """
<html><body>
<h1>My html!</h1>
<img src="yourimage1.jpg" />
<img src="yourimage1.jpg" />
</body></html>
"""
bs = BeautifulSoup.BeautifulSoup(html)
urls = [img["src"] for img in bs.findAll("img")]
结果为@987654322@
【讨论】：
很好的答案，非常感谢您的回答。我手动解析了一些对一些有效而对另一些无效，所以在这里发布了问题，幸运的是得到了你的回答。非常感谢！以上是关于解析 HTML 源代码以获取没有错误的图像的 url。 （首选 Python）[关闭]的主要内容，如果未能解决你的问题，请参考以下文章