You need to enable JavaScript to run this app. Python Tumblr爬虫替换链接500w标识及去除列表括号问题求解
优惠活动
大模型
产品
解决方案
定价
更多

Python Tumblr爬虫替换链接500w标识及去除列表括号问题求解

问题分析与代码修正方案

现存问题点

  • 你将url_list列表直接追加到urls数组中,导致urls内部元素是嵌套列表结构,对列表执行字符串replace()方法完全无效,且异常被外层try except捕获直接跳过
  • Python字符串replace()方法会返回新字符串,不会修改原字符串,你没有接收返回值,修改逻辑本身就不会生效
  • 打印results的位置在循环外部,只会输出最后一次循环的结果,且打印的是未处理的列表,所以输出内容自带[]包裹

修正后完整代码

import requests
from bs4 import BeautifulSoup

search_term = 'landscape'
posts_scrape = requests.get(f'https://www.tumblr.com/search/{search_term}')
soup = BeautifulSoup(posts_scrape.text, 'html.parser')

articles = soup.find_all('article', class_='_2DpMA')

for article in articles:
    try:
        source = article.find('div', class_='_3QBiZ').text
        urls = []
        for imgvar in article.find_all('img', alt='Image'):
            # 遍历srcset所有条目匹配500w规格
            for src_item in imgvar['srcset'].split(','):
                if '500w' in src_item:
                    # 拆分链接与宽度标识,直接取纯净链接
                    pure_url = src_item.strip().split()[0]
                    urls.append(pure_url)
        # 按预期格式输出
        print(source)
        for url in urls:
            print(url)
    except AttributeError:
        continue

关键修改说明

  • 提取500w规格链接时,直接对匹配到的src条目做拆分,strip()先去掉首尾空格,再用split()按空白符拆分,取第一个元素就是无多余字符的纯净图片链接,无需额外做replace操作
  • 直接将处理好的字符串链接存入urls数组,没有嵌套列表结构,输出不会自带[]
  • 输出时遍历urls数组逐行打印,完全匹配预期的输出格式

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

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 09:39:04