使用Python lxml.html如何在鏈接標記中找到圖像？

Question

我正在使用lxml.html解析一些hmtl以獲取鏈接，但是當它單擊包含圖像的鏈接時，它只是返回空白，它真正想要的是能夠檢測到它是否是圖像，然后嘗試返回圖像的替代文本。

所以看起來像這樣...

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'))

結果

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

因此，我嘗試使用.html_content（）嘗試獲取原始html，然后檢查是否為圖像。

嗯..如何檢測是否包裹在圖像中，和/或在那里拉出html ....

Answer 1

只需修改您的CSS選擇器即可：

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

您還可以使用XPATH表達式：

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'))