如何打印Beautiful Soup中findAll返回结果里首个source标签的data-srcset链接

前提 #

你已经通过BeautifulSoup的findAll方法拿到了目标div节点列表，示例获取代码如下（如果你还没写这部分可以参考）：

import requests
from bs4 import BeautifulSoup

# 请求网页部分
url = "你的目标网页地址"
resp = requests.get(url)
soup = BeautifulSoup(resp.text, 'html.parser')

# 已拿到的目标div节点列表
div_list = soup.find_all('div', class_='nfl-c-photo-album__picture-wrapper')

核心提取代码 #

img_urls = []

for div_node in div_list:
    # 定位嵌套的source标签
    picture_tag = div_node.find('picture')
    if not picture_tag:
        continue
    source_tag = picture_tag.find('source')
    if not source_tag or 'data-srcset' not in source_tag.attrs:
        continue
    # 处理srcset内容提取首个链接
    srcset_raw = source_tag['data-srcset']
    # 按逗号拆分取第一条，去除空格后拆分掉末尾的尺寸标识
    first_img_url = srcset_raw.split(',')[0].strip().split()[0]
    img_urls.append(first_img_url)

注意事项 #

• 代码中加入了多层非空校验，避免部分节点结构缺失导致的AttributeError报错
• data-srcset属性的标准格式为多组链接 尺寸标识用逗号分隔，所以拆分后要过滤掉尺寸标识才能拿到纯链接
• 如果你确认所有目标节点结构完全一致，可以去掉非空校验简化代码

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