使用Python的BeautifulSoup无法获取完整图片源的技术求助

看起来你遇到的问题是爬取到的图片地址被截断了，这通常是因为网站为了懒加载或性能优化，把完整的图片地址放在了其他属性里，而src属性仅存储了小尺寸占位图或截断的临时地址。我来帮你调整代码解决这个问题：

1. 先查看img标签的完整内容
   先不要直接提取src，而是打印整个img对象，看看它的所有属性，找到存储真实地址的字段：

   import requests
   from bs4 import BeautifulSoup
   url = "http://www.thehindu.com/entertainment/movies/why-does-kollywood-lack-financial-transparency/article23432094.ece"
   res = requests.get(url)
   soup = BeautifulSoup(res.content, 'html.parser')
   body = soup.find("body")
   imageparentobject = body.find("div", class_="lead-img-cont")
   image = imageparentobject.find("img", "lead-img")
   # 打印整个img标签，查看所有属性
   print(image)
   

   运行后你会看到类似这样的输出（示例）：

   <img class="lead-img" src="http://www.the..." data-src="http://www.thehindu.com/xxx/完整的图片地址.jpg" alt="文章封面图">
   

2. 提取正确的属性值
   从输出里找到存储完整地址的属性（常见的有data-src、data-original、data-url等），然后修改代码提取这个属性：

   # 假设完整地址在data-src属性中
   print(image['data-src'])
   

3. 额外处理：如果遇到相对路径
   万一图片地址是相对路径，可以用urljoin拼接成完整URL：

   from urllib.parse import urljoin  # Python3版本
   # from urlparse import urljoin  # Python2版本
   full_image_url = urljoin(url, image['data-src'])
   print(full_image_url)
   

另外提醒下：你的代码里print image['src']是Python2的写法，如果使用Python3需要改成print(image['src'])哦。

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