python - 使用不带 HTML 'img' 标签的 Beautifulsoup 下载图像

Question

我使用 beautifulsoup 从给定网站查找和下载图像，但是该网站包含通常 <img src="icon.gif"/> 中不存在的图像。格式:

给我带来问题的例子如下:

<form action="example.jpg">

<!-- <img src="big.jpg" /> -->

background-image:url("xine.png");

我查找图像的代码是:

webpage = "https://example.com/images/"
soup = BeautifulSoup(urlopen(webpage), "html.parser")

for img in soup.find_all('img'):
    img_url = urljoin(webpage, img['src'])
    file_name = img['src'].split('/')[-1]
    file_path = os.path.join("C:\\users\\images", file_name)
    urlretrieve(img_url, file_path)

我想我可能必须使用正则表达式，但希望我不必这样做。

提前致谢

Answer 1

修改传递给 urlretrieve 的路径准确指定要将文件复制到的位置:

file_path = os.path.join('c:\files\cw\downloads', file_name)
urlretrieve(img_url, file_path)

编辑:看起来您还试图在评论中查找 img 标签。构建于Find specific comments in HTML code using python :

...
imgs = soup.find_all('img')
comments = soup.findAll(text=lambda text:isinstance(text, bs4.Comment))
for comment in comments:
    comment_soup = bs4.BeautifulSoup(comment)
    imgs.extend(comment_soup.findAll('img'))

for img in imgs:
    ...