如何在python中使用xpath在源代码中获取图像src url

Question

因此，我正在开发一个程序，以从站点下载一些图像，而且我必须以某种方式获取img标签的“ src”部分。我可以用硒来做到这一点，但是我不得不修改代码，现在我正在使用BeautifulSoup4和lxml。目前，我在变量“ mystr”中具有页面（站点）的整个源代码，我想提供一个xpath并在该变量中找到该xpath？可能吗？ （大概）我发布此问题的原因是因为我似乎无法将变量解析为lxml并使用其功能.xpath（）

-阅读更多问题的上下文-我正在从excel文件中读取一些数据（参考值和url），我想打开url，下载产品图片，然后将其重命名以供参考。我可以使用多个图像来完成此操作，但是当url仅包含1个图像时，我想使用xpath下载该图像，并且我不想再次使用硒。

谢谢。我认为这是与该问题相关的代码部分。

try: #Extrair o html
    fp = urllib.request.urlopen(links[i])
    mybytes = fp.read()
    mystr = mybytes.decode("utf8")
    fp.close()
except Exception as ex: #Exceção do html
    print("Não foi possivel extrair o HTML deste url")
    erros.append(i)
    continue                
try: #Passar para Beautiful soup 4
    soup = BeautifulSoup(mystr, "lxml")
    #print(mystr, file = open("teste.txt", "a"))
except Exception as ex: # Exceção do Beautiful soup 4
    print("Não foi possivel converter o HTML para bs4\n\n" + ex)
    erros.append(i)
    continue
try: #Navegar até ao DIV dentro do html extraido
    main_div = soup.find_all("div", {"id": div_id})
    if len(main_div) == 0:
        parser = etree.HTMLParser()
        tree = etree.parse(mybytes, parser)
        #print(tree, file=open("tree.txt", "a"))
        #image = tree.xpath('//*[@id="image"]')
        image = tree.xpath("/html/body/div[1]/div/div/div/div[1]/div[1]/div[1]/a/img")
        print(image[0].tag)
        #input("--------------------------------------------------")
except Exception as ex: #Exceção se não existir um div dentro do HTML extraido com o ID fornecido
    print("Não existe nenhum DIV com o id fornecidon\n\n" + ex)
    erros.append(i)
    continue

Answer 1

有关xpath的信息，请访问http：Wiki / XPath，或有关使用XPATHS的更多信息。// a / @ href'从所有链接（标记）中选择href属性。对于所有图像src属性，这将是// img / @ src。