如果属性名称重复，如何使用BeautifulSoup获取属性值

Question

我在下面编写了Python代码以通过BeautifulSoup解析HTML：

parsed_html = BeautifulSoup('<img id = \'defualtPagePic\' src="http://my.com/images/realTarget.jpg" alt="test" src="http://my.com/images/fakeTarget.jpg" alt="too bad" onError="this.src=\'http://my.com/images/veryBad.jpg\';" />', "html.parser")
print("a >> "+ str(parsed_html.find(id="defualtPagePic").attrs))
print("b >> "+ str(parsed_html.find(id="defualtPagePic")['src']))

这是执行结果：

a >> {'id': 'defualtPagePic', 'src': 'http://my.com/images/fakeTarget.jpg', 'alt': 'too bad', 'onerror': "this.src='http://my.com/images/veryBad.jpg';"}
b >> http://my.com/images/fakeTarget.jpg

我想获取“ realTarget.jpg”，但失败了，并且获取了“ fakeTarget.jpg”。 我认为原因是BeautifulSoup总是为特定属性名称获取最新值。

关于这种情况有什么建议吗？

Answer 1

您可以按如下所示切换到使用lxml解析器：

html = '<img id = \'defualtPagePic\' src="http://my.com/images/realTarget.jpg" alt="test" src="http://my.com/images/fakeTarget.jpg" alt="too bad" onError="this.src=\'http://my.com/images/veryBad.jpg\';" />'

soup = BeautifulSoup(html, "lxml")
print(soup.img['src'])

然后将显示：

http://my.com/images/realTarget.jpg

如果没有，则需要单独安装lxml 。