使用 BeautifulSoup 获取图像 url，其中 src= data:image/gif;base64,

Question

我正在尝试使用 Python 和 BeautifulSoup4 获取网页中图像的网址

我当前的代码是

import requests

from bs4 import BeautifulSoup

url="https://goibibo.com/hotels/hotels-in-shimla-ct/"

#Headers

headers={
    'User-Agent':"Mozilla/5.0 (x11; Linux x86_64) AppleWebkit/537.36 (KHTML, like Gecko Chrome 77.0.3865.90 Safari/537.36)"
}

data = requests.get(url,headers=headers).text
soup = BeautifulSoup(data, 'html.parser')

images = soup.find_all('img',src=True)

print('Number of Images: ', len(images))
print('\n')
for image in images:
    if(image.has_attr('src')):
        print(image['src'])

当我检查图像元素时，它有一个正确的 URL (src="https://cdn1.goibibo.com/voy_ing/t_g/812aa1726b8211e7a0a10a4cef95d023.jpg")。但是，当我使用 BeautifulSoup4 获取 img 元素的 src 值时，它会返回 data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAAAAAAEAAAIBRAA7

如何获取网页中给出的图片url？

Answer 1

此 img 标签不包含对某些图像 url 的引用，它包含 base64 格式的图像本身（例如，参见 w3docs）。

要对其进行解码，您需要在base64, 之后获取字符串：

string = string.split('base64,')[1]

将其解码为字节数组：

import base64
decoded = base64.decodebytes(string.encode("ascii"))

并且该字节数组可以写入文件：

with open('output.gif', 'wb') as f:
    f.write(decoded)

通常它应该稍微复杂一些，因为您需要考虑在数据 URI data:image/gif; 开头提供的图片格式（也可以是 png、jpg、svg），但这也不应该不会很复杂。