在BeautifulSoup(bs4)的NavigableString中提取图片URL的方法求助

你可以通过两种常见方法提取嵌套在content:encoded文本里的图片URL：

方法1：用BeautifulSoup二次解析HTML #

content:encoded里的内容本质是HTML字符串，直接把它传给BeautifulSoup做二次解析，就能像处理普通HTML一样提取img标签的src属性，这也是最可靠的方式：

from bs4 import BeautifulSoup

# 假设你已经通过findAll获取到content:encoded的元素集合
content_encoded_items = soup.findAll('content:encoded')

for item in content_encoded_items:
    # 将content:encoded内的文本转为可解析的HTML对象
    inner_html = BeautifulSoup(item.text, 'html.parser')
    # 查找所有img标签
    img_elements = inner_html.find_all('img')
    # 遍历提取src属性
    for img in img_elements:
        img_url = img.get('src')
        if img_url:
            print(img_url)  # 这里就是目标图片URL

方法2：用正则表达式匹配 #

如果场景简单，也可以用正则直接匹配img标签里的src属性，适合快速实现，但要注意正则对复杂HTML结构的兼容性较差：

import re

# 同样基于已获取的content:encoded元素集合
content_encoded_items = soup.findAll('content:encoded')

# 正则规则：匹配img标签内的src属性，兼容单双引号或无引号的写法
src_pattern = re.compile(r'<img[^>]+src=["\']?([^"\'>]+)["\']?')

for item in content_encoded_items:
    img_urls = src_pattern.findall(item.text)
    for url in img_urls:
        print(url)

额外提示 #

如果提取到的是相对路径（比如/uploads/2024/05/image.jpg），需要拼接RSS源的基础域名（比如https://example.com）才能得到完整可访问的URL。

内容的提问来源于stack exchange，提问作者Yusuf Selim KARATAS