如何使用 BeautifulSoup 从内联样式中提取 CSS 属性答案

【问题标题】：How to pull out CSS attributes from inline styles with BeautifulSoup如何使用 BeautifulSoup 从内联样式中提取 CSS 属性
【发布时间】：2012-03-05 11:52:49
【问题描述】：

我有这样的事情：

<img style="background:url(/theRealImage.jpg) no-repate 0 0; height:90px; width:92px;") src="notTheRealImage.jpg"/>

我正在使用 beautifulsoup 来解析 html。有没有把“背景”css属性中的“url”拉出来？

【问题讨论】：

标签： python css inline beautifulsoup

【解决方案1】：

您有几个选择 - 快速而肮脏或正确的方式。快速而肮脏的方式（如果更改标记很容易破坏）看起来像

>>> from BeautifulSoup import BeautifulSoup
>>> import re
>>> soup = BeautifulSoup('<html><body><img style="background:url(/theRealImage.jpg) no-repate 0 0; height:90px; width:92px;") src="notTheRealImage.jpg"/></body></html>')
>>> style = soup.find('img')['style']
>>> urls = re.findall('url\((.*?)\)', style)
>>> urls
[u'/theRealImage.jpg']

显然，您必须使用它才能使其与多个 img 标记一起使用。

正确的方式，因为我觉得建议有人在 CSS 字符串上使用正则表达式 :) 感觉很糟糕，所以使用 CSS 解析器。 cssutils，一个我刚刚在 Google 上找到并在 PyPi 上可用的库，看起来它可以完成这项工作。

【讨论】：

我包含了糟糕的正则表达式方法，因为我意识到大量的抓取工作是一次性的，但如果这段代码要使用一天以上，它应该使用更好的东西，比如 CSS 解析器.再一次，上面的例子非常容易破解。