Python requests返回图片src为相对路径，如何通过BeautifulSoup提取正确图片链接？

嘿，我来帮你搞定这个图片链接提取的难题！首先咱们先理清可能的原因：你看到页面里是完整链接，但用BeautifulSoup拿到的是相对路径，不一定完全是onerror事件的锅——很多网站本身就会用相对路径来引用资源，再通过页面的基础URL（比如域名+根路径）来解析；不过如果onerror事件确实是在图片加载失败后替换了src属性，那咱们也有对应的处理办法。

下面给你几个实用的解决方案：

1. 用基础URL拼接相对路径（最常用的通用方法） #

不管是不是onerror的问题，把相对路径转成完整链接的核心就是找到网站的基础URL，然后用工具自动拼接。Python的urllib.parse.urljoin可以完美处理各种相对路径的情况：

from urllib.parse import urljoin
from bs4 import BeautifulSoup

# 替换成你爬取的目标网站的基础URL（比如页面的域名+根目录）
base_url = "https://your-target-site.com"
# html_content是你获取到的页面源码
soup = BeautifulSoup(html_content, "html.parser")

for img in soup.find_all("img"):
    relative_src = img.get("src")
    if relative_src:
        # 把相对路径转换成完整链接
        full_image_url = urljoin(base_url, relative_src)
        print(f"完整图片链接: {full_image_url}")

2. 处理onerror事件中的备用链接 #

如果确实是onerror事件替换了原始的完整链接，你可以解析onerror属性里的内容，提取出备用路径，再转成完整链接：

from urllib.parse import urljoin
from bs4 import BeautifulSoup
import re

base_url = "https://your-target-site.com"
soup = BeautifulSoup(html_content, "html.parser")

for img in soup.find_all("img"):
    # 先获取原始的src属性
    original_src = img.get("src")
    # 获取onerror属性内容
    onerror_code = img.get("onerror")
    
    if onerror_code:
        # 匹配onerror里的this.src='xxx'格式的路径
        match_result = re.search(r"this\.src=['\"](.*?)['\"]", onerror_code)
        if match_result:
            fallback_relative_src = match_result.group(1)
            # 转成完整链接
            fallback_full_src = urljoin(base_url, fallback_relative_src)
            print(f"原始src: {original_src}, 备用完整链接: {fallback_full_src}")

3. 动态渲染页面（应对JavaScript加载的情况） #

如果网站是用JavaScript动态设置图片的真实链接（包括onerror是JS动态触发的情况），静态解析的BeautifulSoup就拿不到真实链接了，这时候需要用浏览器渲染工具（比如Selenium）加载页面后再提取：

from selenium import webdriver
from selenium.webdriver.common.by import By
from urllib.parse import urljoin

# 初始化浏览器（这里用Chrome，需要提前装好ChromeDriver）
driver = webdriver.Chrome()
# 打开目标页面
driver.get("https://your-target-site.com/target-page")

base_url = driver.current_url
# 获取页面所有图片元素
img_elements = driver.find_elements(By.TAG_NAME, "img")

for img in img_elements:
    # 获取图片的真实src
    image_src = img.get_attribute("src")
    # 检查是否还是相对路径，是的话拼接成完整链接
    if not image_src.startswith(("http://", "https://")):
        image_src = urljoin(base_url, image_src)
    print(f"完整图片链接: {image_src}")

# 关闭浏览器
driver.quit()

内容的提问来源于stack exchange，提问作者Fateme Nazari