当试图从网页上的图片中提取元数据时，总是返回{}，为什么？

Question

我看过exifread文档，它说它是作为字典返回的，但问题是它只返回{}，我不知道这是否意味着图像中没有元数据，或者我犯了一个错误，好吧，不管怎样，我花了大量的时间看我的代码和文档，但仍无法找到解决方案，如有任何帮助，将不胜感激：）

代码：

import exifread
import colorama
import urllib2
import urllib
import random
import time
import bs4
import sys

def get_images(target):
    colorama.init()
    print(colorama.Fore.LIGHTGREEN_EX + "[*] Retrieving Meta Data from Target's Page...")
    req = urllib2.Request(target)
    resp = urllib2.urlopen(req)
    page = resp.read()
    soup = bs4.BeautifulSoup(page, "html.parser")
    for img in soup.find_all("img"):
        src = img.get("src")
        if "www" in src or "http" in src or "https" in src:
            rand_num = random.random()
            name = str(rand_num) + ".jpg"
            urllib.urlretrieve(src, name)
            f = open(name, "rb")
            tags = exifread.process_file(f)
            print (tags)
        else:
            s = target + src
            rand_num = random.random()
            name = str(rand_num) + ".jpg"
            urllib.urlretrieve(s, name)
            f = open(name, "rb")
            tags = exifread.process_file(f)
            print (tags)
   return

def main():
    target = raw_input("Enter the target: ")
    print ("\n")
    get_images(target)
    time.sleep(5)
    sys.exit()

if __name__ == "__main__":
    main()

Answer 1

问题是您没有传递一个基url，您需要传递主机，然后将其连接到src，除非您从src属性获得一个绝对的url。在

下面的代码演示了一个工作示例，我使用requests代替urllib，但逻辑是相同的：

import bs4
import sys
import os
import requests
from urlparse import urljoin

def get_images(target, base):
    page = requests.get(target).content
    soup = bs4.BeautifulSoup(page, "html.parser")
    for img in soup.find_all("img", src=True):
        src = img.get("src")
        name = os.path.basename(src)
        if not src.startswith(("www.","http:","https:")):
                src = urljoin(base, src)
        with open(name, "wb+") as f:
            f.write(requests.get(src).content)
            f.seek(0)
            tags = exifread.process_file(f,"rb")
            print (tags)


def main():

    target ="http://www.exiv2.org/sample.html"
    # need base to join to relative src 
    base = "http://www.exiv2.org/"
    get_images(target, base)


if __name__ == "__main__":
    main()

您将在包含以下内容的页面上获取一个图像的exif数据：

PIL示例：

^{pr2}$

os.remove(name)将删除没有exif数据的文件，如果不希望这样做，请将其删除。在