Python: 提取包围图像的href

Question

我正在使用 bs4，想要提取一个指定图片的 href 链接。
比如在我的 HTML 代码中有：

<div style="text-align:center;"><a href="page/folder1/image.jpg" target="_blank"><img src="page_files/image.jpg" alt="Picture" border="0" width="150" height="150"></a></div>
</div>

我有我的图片 src 是 page_files/image.jpg，我想提取对应的 href，在这个例子中就是： page/folder1/image.jpg。我尝试使用 find_previous 方法，但在提取 href 内容时遇到了一点小问题：

soup = bs4.BeautifulSoup(page)
for img in soup('img'):
  imgLink = img.find_previous("a")

这个方法返回的是整个标签：

<a href="Here_is_link"><img alt="Tumblr" border="0" src="Here_is_source"/></a>

但我无法获取 href 的内容，因为当我尝试这样做时：

imgLink = img.find_previous("a")['href']

我出现了错误。
同样的情况发生在我尝试使用 find_parent 时，如下：

imgLink = img.find_parent("a")['href']

我该如何解决这个问题？使用 find_previous() 还是 find_parent() 哪个更好呢？

Answer 1

确保你只在寻找那些有标签作为父标签并且带有href属性的图片：

for img in soup.select('a[href] img'):
    link = img.find_parent('a', href=True)
    print link['href']

这个CSS选择器只会挑选出那些有标签作为父标签并且带有href属性的图片。接下来的find_parent()搜索又进一步限制了搜索范围，只找那些确实有这个属性的标签。

如果你在寻找所有的图片，可能会发现一些图片的父标签是标签，但这些标签并没有href属性；标签也可以用作链接目标，比如。如果你遇到NoneType属性错误，那只是说明给定的标签没有这样的父标签。