使用 Beautifulsoup 在 xml 文件的描述标签中提取 img答案

【问题标题】：Extract img inside description tag of xml file using Beautifulsoup使用 Beautifulsoup 在 xml 文件的描述标签中提取 img
【发布时间】：2013-10-30 06:38:49
【问题描述】：

我正在解析。我想在描述标签中获取图像。我正在使用 urllib 和 BeautifulSoup。我可以获取单独标签内的图像，但无法以编码格式获取描述标签内的图像。

Xml 代码

<item>
         <title>Kidnapped NDC member and political activist tells his story</title>
         <link>http://www.yementimes.com/en/1724/news/3065</link>
         <description>&lt;img src="http://www.yementimes.com/images/thumbnails/cms-thumb-000003081.jpg" border="0" align="left" hspace="5" /&gt;
‘I kept telling them that they would never break me and that the change we demanded in 2011 would come whether they wanted it or not’
&lt;br clear="all"&gt;</description>

views.py

for q in b.findAll('item'):
            d={}
            d['desc']=strip_tags(q.description.string).strip('&nbsp')
            if q.guid:
                d['link']=q.guid.string
            else:   
                d['link']=strip_tags(q.comments)
            d['title']=q.title.string
            for r in q.findAll('enclosure'):
                d['image']=r['url']
            arr.append(d)

谁能给我一个想法。
这就是我为解析单独标签内的图像所做的工作...... 我想知道它是否在描述中，但我不能。

【问题讨论】：

标签： python xml beautifulsoup

【解决方案1】：

您可以尝试从<description> 中提取所有内容，用它创建一个新的BeautifulSoup 对象并搜索第一个<img> 元素的src 属性：

from bs4 import BeautifulSoup
import sys 
import html.parser

h = html.parser.HTMLParser()

soup = BeautifulSoup(open(sys.argv[1], 'r'), 'html')
for i in soup.find_all('item'):
    d = BeautifulSoup(h.unescape(i.description.string))
    print(d.img['src'])

像这样运行它：

python3 script.py xmlfile

产生：

http://www.yementimes.com/images/thumbnails/cms-thumb-000003081.jpg

【讨论】：