You need to enable JavaScript to run this app. 使用Node.js Cheerio爬取网页时如何提取a标签内img的src属性
优惠活动
大模型
产品
解决方案
定价
更多

使用Node.js Cheerio爬取网页时如何提取a标签内img的src属性

实现方案

直接在当前迭代的a标签DOM对象下查找img元素并提取src属性即可,修改scrapeLinksOut方法内的对应代码即可:

  1. 用$(this).find('img')选中当前a标签内部的所有img元素,若仅需匹配第一个img,可追加.first()过滤
  2. 调用.attr('src')获取src属性,不存在img的情况下会返回undefined,可追加默认值避免后续逻辑报错

修改后完整代码

const cheerio = require('cheerio')
const request = require('request')
const throttledRequest = require('throttled-request')(request)
throttledRequest.configure({ requests: 18, milliseconds: 1000 })

let o = {
  linksOut: []
}

const scrapeLinksOut = (o, body) => {
  if (body) {
    let $ = cheerio.load(body)

    $('a').map(function () {
      let link = $(this).attr('href')
      // 获取当前a标签内第一个img的src属性,不存在则默认空字符串
      let thumbnail = $(this).find('img').first().attr('src') || ''

      o.linksOut.push( {
        link: link,
        thumbnail: thumbnail
      })
    })
  } else {
   // 其他逻辑
  }
}

const scrape = (() => {
  return new Promise((resolve, reject) => {
    throttledRequest({
      url: 'https://www.ibm.com/us-en',
      followAllRedirects: true,
      timeout: 30000
    }, (err, res, body) => {
      scrapeLinksOut(o, body)
      return resolve(o)
    })
  }) 
})

scrape()
  .then((res) => {
    res.linksOut.forEach((obj) => {
     console.log(obj);
   })
  })
  .catch((err) => console.log(err))

补充说明

如果目标站点的图片用懒加载方案,img元素上没有直接的src属性,而是用data-src、data-original这类自定义属性存储图片地址,将.attr('src')中的属性名替换为对应自定义属性名即可。

内容的提问来源于stack exchange,提问作者Red

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.11 08:54:04