使用 Python lxml.html 如何在链接标签中找到图像？答案

【问题标题】：Using Python lxml.html how can I find images within link tags?使用 Python lxml.html 如何在链接标签中找到图像？
【发布时间】：2011-05-02 23:01:53
【问题描述】：

我正在使用 lxml.html 来解析一些 hmtl 以获取链接，但是当它点击包含图像的链接时，它只会返回空白，它真正想要的是能够检测它是否是图像，并且然后尝试返回图像替代文本。

所以它看起来像这样......

from lxml.html import parse, fromstring

doc = fromstring('<a href="Link One">Anchor Link One</a><br /><a href="Link Two"<img src="Image Link Two" alt="Alt Image" /></a><br /><a href="Link Three">Anchor Link Three</a><br />')
for link in doc.cssselect('a'):
    print '%s: %s' % (link.text_content(), link.get('href'))

结果

Anchor Link One: Link One
: Link Two
Anchor Link Three: Link Three

所以我尝试使用 .html_content() 来尝试获取原始 html，然后检查它是否是图像。

嗯..如何检测是否包含在图像中，和/或在那里提取 html....

【问题讨论】：

标签： python html-parsing lxml

【解决方案1】：

只需修改你的 CSS 选择器：

for img in doc.cssselect('a img'):

您也可以使用 XPATH 表达式：

for img in doc.xpath('a//img'):

【讨论】：

如果没有 img 是否也会拾取？
不，根据您的问题，您似乎想要的只是替代文字，没有图像，没有替代文字。

【解决方案2】：

for link in doc.xpath('a'):
    img = link.find('img')
    if img is not None:
        print '%s: %s' % (img.get('alt'), link.get('href'))
    else:
        print '%s: %s' % (link.text_content(), link.get('href'))

【讨论】：