Python实现提取Yandex反向图片搜索结果中的目标URL

直接通过字符串截取HTML标签里的URL容易出错，推荐用HTML解析库BeautifulSoup来处理，步骤如下：

1. 安装依赖库 #

执行命令安装所需工具：

pip install requests beautifulsoup4

2. 编写解析代码 #

通过解析HTML结构提取目标URL，同时处理Yandex的跳转链接（Yandex会把真实URL封装在跳转链接的参数里）：

import requests
from bs4 import BeautifulSoup
from urllib.parse import unquote, urlparse, parse_qs

# 替换为你的Yandex反向图片搜索页面地址
target_page_url = "https://yandex.ru/images/search?rpt=imageview&url=..."

# 模拟浏览器请求头，避免被反爬
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36"
}

# 获取页面源码
response = requests.get(target_page_url, headers=headers)
response.encoding = "utf-8"
# 解析HTML
soup = BeautifulSoup(response.text, "html.parser")

# 定位图片来源的<a>标签（需根据当前Yandex页面结构调整class或属性，以下为常见示例）
source_a_tags = soup.find_all("a", class_="Link Link_theme_normal")

for tag in source_a_tags:
    raw_href = tag.get("href")
    if not raw_href:
        continue
    # 处理Yandex的跳转链接，提取真实目标URL
    if raw_href.startswith("https://yandex.ru/clck/jsredir"):
        parsed = urlparse(raw_href)
        # 从query参数中取出真实URL
        real_url = parse_qs(parsed.query).get("url", [""])[0]
        # 解码URL编码的内容
        print(unquote(real_url))
    else:
        # 直接输出非跳转链接
        print(raw_href)

注意事项 #

• 页面结构适配：Yandex的页面class或标签结构可能会更新，需要打开浏览器开发者工具，查看图片来源链接对应的标签属性，调整find_all的参数。
• 反爬处理：必须设置合法的User-Agent，如果遇到请求被拦截，可以添加Cookie或使用代理。
• 动态内容处理：如果页面有滚动加载的内容，requests无法获取JS渲染的部分，这种情况需要改用Selenium等工具模拟浏览器操作。