如何获得最具代表性的网页图片？

Question

在某些情况下，您想获取最具代表性的网页图像，例如，Pocket在收集网页时会尝试添加图像。

您将如何以编程方式定义哪个图像是关键图像？ 这样做最合适的方法是什么？

Answer 1

寻求在Facebook或Pocket等网站上共享的大多数网站都将具有Open Graph协议图像。 这通常是head标签中的图片，其格式为<meta property="og:image" content="http://URL-TO-YOUR-IMAGE" /> 。 Open Graph协议已被Facebook，Pocket，Reddit等公司使用和寻找，并且已经广泛使用。

对于不遵循此类标准的网站，开发人员通常会使用第三方工具（例如Embedly ）来解决该问题。 只需向其提供一个URL，它就会向您返回一些信息，这些内容将对缩略图化的图像有所帮助。

如果您想创建自己的引擎，则可能需要研究DOM定位分析，并通过抓取许多文章和网页来尝试找到自己的算法，以尝试找到好的模式。

Answer 2

研究scraper.py ，看看reddit如何使用BeautifulSoup从提交给它的链接中查找代表性图像。