用Python提取HTML中的图片源（src）

在网页爬虫和数据分析的领域，提取网页中的图片链接是一项常见的任务。本文将介绍如何使用Python提取HTML文档中所有的图片（img）标签的src属性，并以实际的代码示例进行说明。

一、准备工作

在开始之前，您需要确保安装了requests和BeautifulSoup库。前者用于请求网页内容，后者则用于解析HTML。可以使用以下命令安装这两个库：

pip install requests beautifulsoup4

二、获取HTML内容

我们使用requests库来获取网页内容。以下是一个示例代码，展示如何请求网页并获取其HTML内容：

import requests

url = '  # 替换为所需的网址
response = requests.get(url)

if response.status_code == 200:
    html_content = response.text
else:
    print('请求失败，状态码：', response.status_code)

在这个示例中，我们请求了目标网页，并检查响应状态码是否为200，以确认请求成功。

三、解析HTML并提取img的src

接下来，我们将使用BeautifulSoup解析HTML内容，并提取所有<img>标签的src属性。以下是具体的实现代码：

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_content, 'html.parser')
images = soup.find_all('img')

img_srcs = [img['src'] for img in images if 'src' in img.attrs]

在这里，我们使用soup.find_all('img')方法找到网页中的所有<img>标签，并通过列表推导式提取出每个标签的src属性。

四、展示结果

如此一来，我们就成功地获取到了网页中所有图片的链接。为了便于理解，我们可以将这些链接存入一个表格中：

图片URL

五、数据可视化

获取图片源后，我们可以进一步分析这些链接，比如统计不同来源图片的数量。下面是一个简单的饼状图，展示了不同图片来源占比的情况（样例数据）：

pie
    title 图片来源占比
    "来源A": 40
    "来源B": 30
    "来源C": 30

六、总结

通过本文的介绍，我们了解了如何使用Python提取网页中的图片源。使用requests库获取网页内容，再通过BeautifulSoup库解析HTML文档，从中提取出所有<img>标签的src属性的过程，十分简单易行。通过将最终结果呈现为表格和饼状图形式，我们可以更直观地理解数据。

在实际应用中，您可以根据需要修改代码来提取更复杂的数据或处理不同种类的HTML标签。希望这篇文章能为您的数据分析工作提供帮助，激励您进一步探索Python与数据爬取的无限可能性。