如何从Letterboxd的application/ld+json脚本提取海报图片链接？

首先，你原代码里的string="image"是精确匹配，几乎找不到目标标签，得改成模糊匹配包含image关键词的script：

response = page.text
soup = bs(response, 'html.parser')
# 匹配包含"image"的application/ld+json类型script
scripts = soup.find_all("script", {"type": "application/ld+json"}, string=lambda t: t and 'image' in t)

接下来处理CDATA：Letterboxd的这类script内容通常被CDATA包裹，但BeautifulSoup会自动暴露CDATA里的文本，直接用.string就能拿到原始JSON字符串，不需要额外处理CDATA标签。

然后解析JSON并提取图片链接：

import json

for script in scripts:
    try:
        # 提取script内的文本，自动跳过CDATA标记
        json_data = json.loads(script.string)
        # 兼容单个对象或数组形式的结构化数据
        if isinstance(json_data, list):
            json_data = json_data[0]
        # 处理image字段的两种格式：直接字符串或带url的对象
        if isinstance(json_data.get('image'), dict):
            poster_url = json_data['image'].get('url')
        else:
            poster_url = json_data.get('image')
        if poster_url:
            print("海报链接：", poster_url)
    except json.JSONDecodeError:
        print("解析JSON失败，跳过该script")

关键说明 #

• 用lambda匹配字符串是因为application/ld+json里是完整JSON结构，image只是其中一个字段，精确匹配根本找不到目标标签。
• 部分页面的结构化数据是数组格式，需要先判断类型取第一个元素。
• 部分场景下image是包含url属性的对象，不是直接字符串，要做兼容处理。

内容的提问来源于stack exchange，提问作者Ansh Anand