如何使用Python提取LD+JSON中的图片值

你的代码存在几个细节问题，修正后即可正确提取图片值，以下是调整后的方案：

代码问题修正 #

1. 模块导入错误：import request 应改为 import requests
2. 缩进错误：headers 定义的缩进需调整，与其他代码保持同一层级
3. 请求未携带Headers：直接请求可能被网站反爬机制拦截，需在requests.get()中传入headers参数
4. LD+JSON结构可能嵌套：并非所有返回的JSON对象都直接包含images字段，需针对酒店类Schema的结构进行解析

修正后的代码 #

import json
import requests
from bs4 import BeautifulSoup

url = 'https://www.tiket.com/hotel/indonesia/ideas-hotel-bandung-108001534490330380?checkin=2023-01-26&checkout=2023-01-27&room=1&adult=1&soldOut='

# 设置请求头模拟浏览器访问
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36'}

# 发送请求并解析页面
response = requests.get(url, headers=headers)
soup = BeautifulSoup(response.content, 'html.parser')

# 提取所有非空的LD+JSON数据
ld_json_list = [json.loads(script.string) for script in soup.find_all('script', type='application/ld+json') if script.string]

# 遍历解析每个LD+JSON对象，提取图片
for item in ld_json_list:
    if isinstance(item, dict):
        # 检查是否有直接的images字段
        images = item.get('images')
        if images:
            print("提取到图片链接：")
            for img in images:
                print(img)
        # 检查嵌套的mainEntity字段（酒店页面常见结构）
        main_entity = item.get('mainEntity')
        if main_entity and isinstance(main_entity, dict):
            entity_images = main_entity.get('images')
            if entity_images:
                print("\n从mainEntity提取到图片链接：")
                for img in entity_images:
                    print(img)

关键说明 #

• 加入if script.string过滤空script标签，避免解析报错
• 针对酒店页面Schema的常见嵌套结构，增加了对mainEntity字段的检查，确保不会遗漏嵌套的图片数据
• 分来源打印图片链接，方便你直观查看数据结构

内容的提问来源于stack exchange，提问作者Si Doel