如何在 html 中搜索链接并使用 python 打印链接？答案

【问题标题】：How to search html for a link and print the link using python?如何在 html 中搜索链接并使用 python 打印链接？
【发布时间】：2014-01-24 03:18:31
【问题描述】：

我正在尝试在 python 中编写一个代码，它将在 html 代码中搜索图像链接，我需要找到我的代码 - .我需要找到http://www.darlighting.co.uk/621-large_default/empire-double-wall-bracket-polished-chrome.jpg 部分，无论链接实际上说什么，是否有这样做或者我应该寻找不同的方法？我可以访问标准的 python 模块和 beautifulsoup。

【问题讨论】：

所以您需要在网页上（在 HTML 中）准确找到该图像？不管图片的 URL 是什么？
是的，很抱歉，如果措辞有点奇怪。
要比较来自网页的图像，您可以下载它们并使用compare。或查看question
我不想比较图像并下载它们，我没有要比较的图像，我只需要一种方法让 python 为我找到 URL，然后我可以使用另一个我编写的程序为我下载图像。不过感谢您的回复:)

标签： python html image

【解决方案1】：

Beautiful Soup 文档有很好的“快速入门”部分：http://www.crummy.com/software/BeautifulSoup/bs4/doc/#quick-start

from bs4 import BeautifulSoup as Soup
from urllib import urlopen

url = "http://www.darlighting.co.uk/"
html = urlopen(url).read()
soup = Soup(html)

# find image tag with specific source
the_image_tag = soup.find("img", src='/images/dhl_logo.png')
print type(the_image_tag), the_image_tag
# >>> <class 'bs4.element.Tag'> <img src="/images/dhl_logo.png"/>

# find all image tags
img_tags = soup.find_all("img")
for img_tag in img_tags:
    print img_tag['src']

【讨论】：

【解决方案2】：

您可以尝试使用 lxml(http://lxml.de/) 和 xpath (http://en.wikipedia.org/wiki/XPath)

例如在html中查找图片可以

import lxml.html
import requests

html = requests.get('http://www.google.com/').text
doc = lxml.html.document_fromstring(html)
images = doc.xpath('//img') # here you can find the element in your case the image
if images:
    print images[0].get('src') # here I get the src from the first img
else:
    print "Images not found"

希望对你有所帮助。

更新：我在没有“：”之前修复了 else

【讨论】：

我现在正在尝试，但总是找不到图像，我试着让它工作，感谢您的帮助
我更新添加“：”在其他，并测试我得到“/images/srpr/logo9w.png”

【解决方案3】：

import httplib
from lxml import html

#CONNECTION
url = "www.darlighting.co.uk"
path = "/"
conn = httplib.HTTPConnection(url)
conn.putrequest("GET", path)
#HERE YOU HEADERS... 
header = {"User-Agent": "Mozilla/5.0 (X11; Linux x86_64)", "Cache-Control": "no-cache"}
for k, v in header.iteritems():
    conn.putheader(k, v)
conn.endheaders()
res = conn.getresponse()

if res.status == 200:
    source = res.read()
else:
    print res.status
    print res.getheaders()

#EXTRACT
dochtml = html.fromstring(source)
for elem, att, link, pos in dochtml.iterlinks():
    if att == 'src': #or 'href'
        print 'elem: {0} || pos {1}: || attr: {2} || link: {3}'.format(elem, pos, att, link)

【讨论】：