lxml etree 和 xpath 返回编码图像而不是 src 的 URL答案

【问题标题】：lxml etree and xpath returning an encoded image rather than URL for srclxml etree 和 xpath 返回编码图像而不是 src 的 URL
【发布时间】：2014-11-15 20:33:23
【问题描述】：

当我处理一些 html 时，我想要图像的 src url，但我得到的是编码图像。如果我想要网址，我做错了什么？

给定一个网址，例如：“http://www.amazon.com/Cheese-Plate-multi-purpose-mounting-plate/dp/B00CI06DWE/”

还有一个桌面用户代理：

from lxml import etree
import requests

page = requests.get(url, headers=agent)
page_txt = page.text

html_parser = etree.HTMLParser()
tree = etree.parse(StringIO(page_txt), html_parser)

path = '//img[@id="landingImage"]'

img = tree.xpath(path)

img_src = img[0].get('src')

使用该代码，我回来了：

'\ndata:image/jpeg;base64,/9j/4AAQSkZJR'（截断）

当我想要时：

http://ecx.images-amazon.com/images/I/41SNmVfXvhL.SY355.jpg

【问题讨论】：

标签： python python-2.7 xpath html-parsing lxml

【解决方案1】：

src 属性中有一个base64 encoded image。您可以从data-a-dynamic-image 属性中获取实际的 URL，它包含 JSON 字符串，其中包含 url：

import json 

path = '//img[@id="landingImage"]/@data-a-dynamic-image'
print next(json.loads(tree.xpath(path)[0]).iterkeys())

打印：

http://ecx.images-amazon.com/images/I/41SNmVfXvhL._SX466_.jpg

【讨论】：

感谢亚历克西！感谢您的帮助。