需要帮助使用 bs4 和 python 从幻灯片中抓取图像

Posted 2023-03-05

【中文标题】需要帮助使用 bs4 和 python 从幻灯片中抓取图像

【英文标题】：Need help scraping images from a slideshow with bs4 & python

【发布时间】：2019-06-30 10:21:33

【问题描述】：

我正在尝试从 Craigslist 抓取列表信息，不幸的是，我似乎无法获取图像，因为它们是幻灯片。

import requests
from bs4 import BeautifulSoup as soup

url = "https://newyork.craigslist.org/search/sss"
r = requests.get(url)
souped = soup(r.content, 'lxml')

由于图像甚至不在请求的 html 文件中，我是否需要以某种方式动态加载页面或其他东西。如果是这样，我只能将它保存在 python 中，我不想要任何其他依赖项。在此先感谢，对此非常陌生，因此任何帮助都会有所帮助。

【问题讨论】：

如您所见，您有图像的链接，我建议您提取 URL，然后使用 requests 使用这些 URL 下载图像。请参阅this post 以使用该模块下载图像

谢谢，但我不想下载图片，只是想要链接。我有一个循环，可以将列表的标题、位置、价格等添加到 CSV 文件中，我只是希望它也将图像的链接添加到其中。对不起，我是 python 的菜鸟，所以一个简单的解决方案会很有帮助。

【参考方案1】：

查找类为result-image gallery 的A 标记。这些标签中的每一个都有一个data-ids 属性，该属性旧有部分图像文件的名称。

<a href="https://newyork.craigslist.org/mnh/fuo/d/new-york-city-3-piece-shaped-ikea-couch/6812749499.html" class="result-image gallery" data-ids="1:00707_iRUU5VKwkWi,1:00H0H_6AIBqK2iQDU">
           ....
</a>

现在，如果您想获取 url，首先获取该属性并解析部分图像的名称（在该示例中，00707_iRUU5VKwkWi 和 00H0H_6AIBqK2iQDU）。

现在您可以使用主机、后缀 (_300x300) 和扩展名构建网址：

https://images.craigslist.org/00707_iRUU5VKwkWi_300x300.jpg
https://images.craigslist.org/00H0H_6AIBqK2iQDU_300x300.jpg

【讨论】：

谢谢！ ? 正是我想要的。