Python：提取href周围的图像

Question

我正在使用bs4 并想提取指定图像的href。 例如在我的 html 代码中：

<div style="text-align:center;"><a href="page/folder1/image.jpg" target="_blank"><img src="page_files/image.jpg" alt="Picture" border="0" width="150" height="150"></a></div>
</div>

我有我的图像src (page_files/image.jpg) 并想提取相应的href，所以在这个例子中它是：page/folder1/image.jpg。我试图使用find_previous method，但是我在提取href 内容时遇到了一个小问题：

soup = bs4.BeautifulSoup(page)
for img in soup('img'):
  imgLink = img.find_previous("a")

这会返回整个标签：

<a href="Here_is_link"><img alt="Tumblr" border="0" src="Here_is_source"/></a>

但我不能接受href的内容，因为当我尝试制作时：

imgLink = img.find_previous("a")['href']

我有一个错误。 同样的事情是当我尝试使用find_parent like

imgLink = img.find_parent("a")['href']

我该如何解决这个问题？还有什么更好：find_previous() 或 find_parent()？

Answer 1

确保您仅在寻找具有<a> 父标记和href 属性的图像：

for img in soup.select('a[href] img'):
    link = img.find_parent('a', href=True)
    print link['href']

CSS selector 仅选择具有<a href="..."> 父标记带有href 属性的图像。然后find_parent() 搜索再次将搜索限制为那些具有属性集的标签。

如果您正在搜索所有图像，您很可能会找到一些具有<a> 标签父标签或前面标签但没有href 属性的标签；例如，<a> 标记也可用于带有<a name="..."> 的链接目标。如果您收到 NoneType 属性错误，这仅仅意味着 对于给定的 <img> 标记没有这样的父标记。