我正在使用 BeautifulSoup 从 IMDb 获取 HTML 页面，我想从页面中提取海报图像。我已经获得了基于其中一个属性的图像，但我不知道如何提取其中的数据。
这是我的代码：
url = 'http://www.imdb.com/title/tt%s/' % (id)
soup = BeautifulSoup(urllib2.urlopen(url).read())
print("before FOR")
for src in soup.find(itemprop="image"):
print("inside FOR")
print(link.get('src'))
你快到了 - 只是几个错误。soup.find()获取匹配的第一个元素，而不是列表，因此您无需遍历它。获得元素后，您可以src使用字典访问来获取其属性（如 ）。这是一个重新设计的版本：
film_id = '0423409'
url = 'http://www.imdb.com/title/tt%s/' % (film_id)
soup = BeautifulSoup(urllib2.urlopen(url).read())
link = soup.find(itemprop="image")
print(link["src"])
# output:
http://ia.media-imdb.com/images/M/MV5BMTg2ODMwNTY3NV5BMl5BanBnXkFtZTcwMzczNjEzMQ@@._V1_SY317_CR0,0,214,317_.jpg
我已更改id为film_id，因为id()它是一个内置函数，掩盖它们是不好的做法。
我相信你的例子非常接近。您需要使用 findAll() 而不是 find() 并且当您迭代时，您从 src 切换到链接。在下面的示例中，我将其切换为tag
此代码适用于 BeautifulSoup4：
url = 'http://www.imdb.com/title/tt%s/' % (id,)
soup = BeautifulSoup(urllib2.urlopen(url).read())
print "before FOR"
for tag in soup.findAll(itemprop="image"):
print "inside FOR"
print(tag['src'])
如果我理解正确，您正在寻找图像的 src，以便在此之后提取它。
首先，您需要找到（使用检查器）HTML 中的哪个位置是图像。例如，在我正在报废足球队盾牌的粒子案例中，我需要：
m_url = 'http://www.marca.com/futbol/primera/equipos.html'
client = uOpen(m_url)
page = client.read()
client.close()
page_soup = BS(page, 'html.parser')
teams = page_soup.findAll('li', {'id': 'nombreEquipo'})
for team in teams:
name = team.h2.text
shield_url = team.img['src']
然后，您需要处理图像。你必须选择。
第一：使用numpy：
def url_to_image(url):
'''
Función para extraer una imagen de una URL
'''
resp = uOpen(url)
image = np.asarray(bytearray(resp.read()), dtype='uint8')
image = cv2.imdecode(image, cv2.IMREAD_COLOR)
return image
盾牌 = url_to_image(shield_url)
第二使用scikit-image库（您可能需要安装）：
shield = io.imread('http:' + shield_url)
注意：就在这个特定的示例中，我需要在开头添加 http:。
希望能帮助到你！
这是gazpacho的完整工作示例：
第 1 步- 导入所有内容并下载 html：
from pathlib import Path
from urllib.request import urlretrieve as download
from gazpacho import Soup
id = 'tt5057054'
url = f"https://www.imdb.com/title/{id}"
soup = Soup.get(url)
第 2 步- 找到图片资源的 src url：
image = (soup
.find("div", {"id": "title-overview"})
.find("div", {"class": "poster"})
.find("img")
.attrs['src']
)
第 3 步- 将其保存到您的机器：
directory = "images"
Path(directory).mkdir(exist_ok=True)
extension = image.split('.')[-1]
download(image, f"{directory}/{id}.{extension}")