我正在尝试抓取网页以收集图像名称及其各自的资产 URL，并将它们写入 CSV 中的两个单独列。我无法将 attrs 从标签中分离出来。
在 BS4 中，我可以运行：
soup.find_all('a')
成功返回下面的html（乘以页面上的照片数）
<a aria-label="SomeImageName" data-asset-id="10101010101"
href="SomeWebsite">
<img alt="SomeImageName"
src="https://SomeImageUrl"/>
</a>
我已尝试运行以下（以及许多其他变体）
soup.find_all('a', attrs{"aria-label", "src"})
他们回来了
[]
有人知道如何从标签中提取这些数据并写入 CSV 吗？
干杯！
【问题讨论】：
标签： python web-scraping beautifulsoup
欢迎来到 StackOverflow！
您对两个不同的元素有您的要求，即a 中的aria-label 和img 中的src。但幸运的是，img 嵌套在 a 标记内。所以迭代会很简单。
将名称和链接存储在字典列表中，使用DictWriter()，您可以轻松地将它们写入 csv 文件。
import csv
img_data = []
for a_tag in soup.find_all('a'):
data_dict = dict()
data_dict['image_name'] = a_tag['aria-label']
data_dict['url'] = a_tag.img['src']
img_data.append(data_dict)
with open('urls.csv', 'w') as csvfile:
fieldnames = ['image_name', 'url']
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
writer.writeheader()
for data in img_data:
writer.writerow(data)
希望这会有所帮助！干杯!
【讨论】：
aria-label。这是我在第 4 行遇到的错误 KeyError: 'aria-label' 想法？
aria-label 属性。您可以通过try except 或以下代码data_dict['image_name'] = a_tag['aria-label'] if 'aria-label' in str(a_tag) else '' 处理。如果缺少该属性，后者将添加一个空字符串，而第一个将跳过没有该属性的块。 P.S.：if else 是一个单行，你可以像这样添加它。
TypeError: 'NoneType' object is not subscriptable 在线包含 data_dict['url'] = a_tag.img['src'] - 我现在将对这个错误进行一些研究。你知道修复吗？ （（看起来这些是 BS 的一些非常常见的问题。这是我第一次使用。感谢十亿的帮助！）
img 标签。像if a_tag.img else '' 这样的东西。而不是感谢，而是对我的回答投赞成票，这将激励我更多地分享知识。
试试下面的代码，它提取<a>标签内的<img>标签的src属性的值，该标签具有aria-label属性，并将这些链接写入一个csv文件
## To get the value of src attribute in the <img> tag
tags = soup.find_all('a')
src=[]
for tag in tags:
if tag.has_attr('aria-label'):
src.append(tag.img['src'])
##writing to a csv file
with open('csvfile.csv','w') as file:
for line in src:
file.write(line)
file.write('\n')
或者你可以使用csv模块写入数据
import csv
with open('csvfile1.csv', "w",newline='') as csv_file:
writer = csv.writer(csv_file)
writer.writerow(src)
【讨论】：
find_all()和findAll()有什么区别？
TypeError Traceback (most recent call last) <ipython-input-199-9ab36d053c0c> in <module>() 3 for tag in tags: 4 if tag.has_attr('aria-label'): ----> 5 src.append(tag.img['src']) TypeError: 'NoneType' object is not subscriptable Thoughts?
感谢大家的投入！我仍然无法拉出aria-label，并且我在其他一些论坛上看到这是解析 HTML 时出现的 BS4 问题。
然而，我能够使用@SmashGuy 解决方案很容易地解决这个问题，并将替代文本描述与aria-label 拉开。
img_data = []
for img_tag in soup.find_all('img'):
data_dict = dict()
data_dict['image_name'] = img_tag['alt']
data_dict['image_url'] = img_tag['src']
img_data.append(data_dict)
然后写入 CSV...
with open('BCDS1.csv', 'w', newline='') as birddata:
fieldnames = ['image_name', 'image_url']
writer = csv.DictWriter(birddata, fieldnames=fieldnames)
writer.writeheader()
for data in img_data:
writer.writerow(data)
再次感谢大家的帮助！干杯！
【讨论】：
对于需要找到<img> 标记的图像，<a> 是链接标记。
<a aria-label="SomeImageName" data-asset-id="10101010101" href="SomeWebsite">
<img alt="SomeImageName" src="https://SomeImageUrl"/>
</a>
您找到了该图像，因为如您所见，链接标签包裹了图像标签。
这不是字典语法的工作方式，请在attrs={} 中使用:（参见https://www.crummy.com/software/BeautifulSoup/bs4/doc/#the-keyword-arguments）
所以它是soup.find_all('a', attrs={'css': 'value'}) 而不是soup.find_all('a', attrs{"aria-label" "SomeImageName"})
【讨论】：