python xpath img src

原创

mob649e8154b5bf 2023-09-26 14:21:31 ©著作权

©著作权归作者所有：来自51CTO博客作者mob649e8154b5bf的原创作品，请联系作者获取转载授权，否则将追究法律责任

Python XPath 获取img标签的src属性

在网页爬虫开发中，我们经常需要从网页中提取出图片的链接地址。而XPath是一种用于在XML文档中定位节点的语言，非常适合用来从HTML文档中提取数据。本文将介绍如何使用Python和XPath来获取img标签的src属性，从而获取网页中的图片链接。

什么是XPath？

XPath（XML Path Language）是一种用于在XML或HTML文档中定位节点的语言。它使用路径表达式来选取XML文档中的节点或节点集合。

XPath的路径表达式由不同的路径组件组成，用于从文档中选择节点。常见的路径组件包括：

元素节点
属性节点
文本节点
注释节点
处理指令节点

XPath使用/来表示从根节点开始的路径，使用//表示选择所有匹配的节点。例如，//img表示选择文档中所有的img标签。

使用lxml库解析HTML文档

在Python中，我们可以使用lxml库来解析HTML文档并使用XPath对文档进行查询。首先，我们需要安装lxml库：

pip install lxml

接下来，我们可以使用lxml库的html模块来解析HTML文档：

from lxml import html

# 解析HTML文档
def parse_html(html_string):
    return html.fromstring(html_string)

使用XPath查询img标签的src属性

通过使用XPath表达式，我们可以轻松地选取出img标签的src属性。以下是一个使用XPath查询img标签的src属性的示例代码：

from lxml import html

# 解析HTML文档
def parse_html(html_string):
    return html.fromstring(html_string)

# 使用XPath查询img标签的src属性
def get_image_src(html_string):
    tree = parse_html(html_string)
    image_src_list = tree.xpath('//img/@src')
    return image_src_list

在上述代码中，tree对象表示解析后的HTML文档，image_src_list是一个包含所有img标签的src属性的列表。我们可以通过遍历这个列表来获取每个图片的链接地址。

示例

以下是一个完整的示例，演示了如何使用XPath获取网页中的图片链接：

import requests
from lxml import html

# 发送HTTP请求获取网页内容
def fetch_html(url):
    response = requests.get(url)
    return response.text

# 解析HTML文档
def parse_html(html_string):
    return html.fromstring(html_string)

# 使用XPath查询img标签的src属性
def get_image_src(html_string):
    tree = parse_html(html_string)
    image_src_list = tree.xpath('//img/@src')
    return image_src_list

# 获取网页中的图片链接
def get_image_urls(url):
    html_string = fetch_html(url)
    image_src_list = get_image_src(html_string)
    return image_src_list

# 示例：获取百度首页的图片链接
image_urls = get_image_urls('
for url in image_urls:
    print(url)

运行以上代码，将会输出百度首页中所有图片的链接地址。