使用 Python/Django 从 html 获取第一张图片

Posted 2023-02-24

【中文标题】使用 Python/Django 从 html 获取第一张图片

【英文标题】：Getting first image from html using Python/Django

【发布时间】：2011-09-05 21:31:10

【问题描述】：

我正在从服务中抓取一堆 html 并稍微解析它。 我正在寻找一种从第一个图像标签中获取链接的方法。

类似这样的 JQuery 代码：

var imagelink = $('img:first', feed.content).attr('src');

但当然只使用 Python/Django（服务器在 Google 应用引擎上运行）。我宁愿不使用任何其他库，只是为了获取一个简单的链接。

【参考方案1】：

这正是我正在寻找的。其实真正的代码是这样的：

tree = BeautifulSoup(raw_html)
img_link = tree.find_all('img')[0].get('src')

效果很好！谢谢 timmy-omahony

【参考方案2】：

如果我对 html 进行更多解析，我可能会查看建议的库之一。但现在我已经通过以下方式解决了这个问题：

   startImgPos = post.find('<img', 0, len(post)) + 4
    if(startImgPos > -1):
        endImgPos = post.find('>', startImgPos, len(post))
        imageTag = post[startImgPos:endImgPos]
        startSrcPos = imageTag.find('src="', 0, len(post)) +5
        endSrcPos = imageTag.find('"', startSrcPos , len(post)) 
        linkTag = imageTag[startSrcPos:endSrcPos]
        r['linktag'] = linkTag

我稍后会改进它，但现在它可以解决问题。欢迎对上述代码提出更多想法/改进建议。

【讨论】：

不知道为什么我自己的答案排名下降。这正是我当时正在寻找的。无需使用库即可找到 img 的简单答案。

【参考方案3】：

您可以使用 BeautifulSoup 来做到这一点：

http://www.crummy.com/software/BeautifulSoup/

这是一个 XML/HTML 解析器。所以你传入原始 html，然后你可以搜索特定的标签/属性等。

这样的东西应该可以工作：

tree = BeautifulSoup(raw_html)
img_link = (tree.find('img')[0]).attr['src']

【讨论】：

很高兴知道。由于它仅用于一个链接（src），因此我正在寻找一种没有库的方法。目前我的 python 技能在尝试搜索字符串时不是很好，但目前正在学习......

即使文件中只有一个链接，也有很多 HTML 需要解析。您可以尝试使用正则表达式来查找 的第一个实例，但您可能会发现 BeautifulSoup 方法最简单

不完全是，你需要在 tree.find_all 上做 index 0 但是对于 tree.find 它会找到第一个，所以 index 0 会抛出一个错误