当前位置：首页 > 行业动态 > 正文

html代码提取图片

使用Python的BeautifulSoup库解析HTML，通过find_all(‘img’)获取所有标签，提取src属性即可

HTML图片标签结构

HTML中图片通过<img>标签插入，核心属性为src（图片路径）和alt（替代文本）。

<img src="https://example.com/image.jpg" alt="示例图片" />

手动提取图片方法

  1. 查看网页源代码

    html代码提取图片 第1张

    • 右键网页 → 选择“查看页面源代码”
    • 使用浏览器搜索功能（Ctrl+F）输入<img定位图片标签
    • 提取src属性值（如图）

  2. 浏览器开发者工具

    • 右键图片 → 选择“检查”
    • 在Elements面板直接查看src属性
    • 支持复制完整URL（含协议头）

工具辅助提取

方法 工具/操作 适用场景
浏览器插件 Image Downloader扩展 快速批量下载页面图片
代码编辑器 VSCode正则搜索<img.?src=".?" 分析本地HTML文件
命令行工具 grep -o 'src=".?"' file.html 服务器端批量处理

Python代码提取示例

from bs4 import BeautifulSoup
import requests
# 获取网页内容
url = "https://example.com"
response = requests.get(url)
soup = BeautifulSoup(response.text, "html.parser")
# 提取所有图片URL
images = []
for img in soup.find_all("img"):
    src = img.get("src")
    # 处理相对路径
    if src.startswith("/"):
        src = url + src
    elif src.startswith("//"):
        src = "https:" + src
    images.append(src)
print("提取到的图片地址：")
for img_url in images:
    print(img_url)

常见问题与解答

问题1：如何判断图片路径是绝对路径还是相对路径？

  • 绝对路径：以http://或https://开头，或以开头（相对于域名根目录）
  • 相对路径：以、或文件名开头（相对于当前文件位置）
  • 处理方法：使用Python的urljoin函数拼接相对路径： 
    from urllib.parse import urljoin
full_url = urljoin(base_url, relative_path)

问题2：如何过滤掉网页中的装饰性图片（如图标、背景图）？

  • 策略1：通过CSS类名筛选，例如排除含icon-、bg-类的图片 
    for img in soup.find_all("img", class_=lambda x: not x.startswith("icon-")):
    # 处理逻辑
  • 策略2：结合图片尺寸过滤，例如排除宽度<50px的图片 
    for img in soup.find_all("img"):
    width = int(img.get("width", 0))
    if width >= 50:
        # 保留
图像URL图片提取
0

相关文章