使用Python lxml.html如何在链接标记中找到图像？

Question

我正在使用lxml.html解析一些hmtl以获取链接，但是当它单击包含图像的链接时，它只是返回空白，它真正想要的是能够检测到它是否是图像，然后尝试返回图像的替代文本。

所以看起来像这样...

from lxml.html import parse, fromstring

doc = fromstring('<a href="Link One">Anchor Link One</a><br /><a href="Link Two"<img src="Image Link Two" alt="Alt Image" /></a><br /><a href="Link Three">Anchor Link Three</a><br />')
for link in doc.cssselect('a'):
    print '%s: %s' % (link.text_content(), link.get('href'))

结果

Anchor Link One: Link One
: Link Two
Anchor Link Three: Link Three

因此，我尝试使用.html_content（）尝试获取原始html，然后检查是否为图像。

嗯..如何检测是否包裹在图像中，和/或在那里拉出html ....

Answer 1

只需修改您的CSS选择器即可：

for img in doc.cssselect('a img'):

您还可以使用XPATH表达式：

for img in doc.xpath('a//img'):

Answer 2

for link in doc.xpath('a'):
    img = link.find('img')
    if img is not None:
        print '%s: %s' % (img.get('alt'), link.get('href'))
    else:
        print '%s: %s' % (link.text_content(), link.get('href'))