使用BeautifulSoup提取Pepperfry网站图片URL的技术求助

核心思路 #

直接解析HTML中的img标签，提取src或data-src属性值即可，推荐用BeautifulSoup库处理网页解析。

步骤1：安装依赖库 #

先安装必要的Python工具库：

pip install requests beautifulsoup4

步骤2：代码实现 #

情况1：已有目标HTML片段

如果已经拿到图片对应的HTML代码片段，直接解析提取：

from bs4 import BeautifulSoup

# 替换为你获取到的HTML片段
html_snippet = '''<img src="https://ii1.pepperfry.com/supplierpng/1e76ddb7648665e70319edaae34b93ec.png?_v=13" data-src="https://ii1.pepperfry.com/supplierpng/1e76ddb7648665e70319edaae34b93ec.png?_v=13" alt="Merchant Info" class="mCS_img_loaded loaded">'''

# 初始化解析器
soup = BeautifulSoup(html_snippet, 'html.parser')

# 提取src属性的图片URL
img_src = soup.find('img')['src']
print(f"图片URL：{img_src}")

# 若需要提取data-src属性，直接替换属性名即可
img_data_src = soup.find('img')['data-src']
print(f"图片URL（data-src）：{img_data_src}")

情况2：从目标页面批量提取

如果需要从Pepperfry的完整页面批量提取图片，先爬取页面再解析：

import requests
from bs4 import BeautifulSoup

# 替换为你要爬取的Pepperfry页面URL
target_url = "https://www.pepperfry.com/your-target-page.html"

# 设置请求头模拟浏览器，避免反爬拦截
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36'
}

# 获取页面内容
response = requests.get(target_url, headers=headers)
response.encoding = 'utf-8'

# 解析页面
soup = BeautifulSoup(response.text, 'html.parser')

# 筛选目标img标签（根据class或alt属性精准定位）
target_imgs = soup.find_all('img', class_='mCS_img_loaded loaded')

# 遍历提取所有符合条件的图片URL
for img in target_imgs:
    # 优先取src，src不存在则取data-src
    img_url = img.get('src') or img.get('data-src')
    if img_url:
        print(img_url)

注意事项 #

• 部分网站有反爬机制，务必设置User-Agent请求头，避免IP被封禁；
• 若页面是动态加载（图片URL通过JS渲染生成），可能需要用Selenium或Playwright处理动态内容；
• 提取时注意精准筛选标签，比如通过class、alt等属性锁定目标图片，避免提取无关内容。

内容的提问来源于stack exchange，提问作者Annie Dhawan