如何使用 Beautiful Soup 提取带有文本的“alt”答案

【问题标题】：How to extract "alt" with text with Beautiful Soup如何使用 Beautiful Soup 提取带有文本的“alt”
【发布时间】：2017-04-24 03:42:17
【问题描述】：

我刚刚发现了 Beautiful Soup，它看起来非常强大。我想知道是否有一种简单的方法可以用文本提取“alt”字段。一个简单的例子是

from bs4 import BeautifulSoup

html_doc ="""
<body>
<p>Among the different sections of the orchestra you will find:</p>
<p>A <img src="07fg03-violin.jpg" alt="violin" /> in the strings</p>
<p>A <img src="07fg03-trumpet.jpg" alt="trumpet"  /> in the brass</p>
<p>A <img src="07fg03-woodwinds.jpg" alt="clarinet and saxophone"/> in the woodwinds</p>
</body>
"""
soup = BeautifulSoup(html_doc, 'html.parser')
print(soup.get_text())

这会导致

在管弦乐队的不同部分中，您会发现：

字符串中的A

铜管家

木管乐器

但我希望在文本提取中包含 alt 字段，这样可以提供

在管弦乐队的不同部分中，您会发现：

弦乐中的小提琴

铜管中的小号

木管乐器中的单簧管和萨克斯管

谢谢

【问题讨论】：

看看：stackoverflow.com/questions/2612548/…（这个问题可能重复）

标签： python beautifulsoup alt

【解决方案1】：

请考虑这种方法。

from bs4 import BeautifulSoup

html_doc ="""
<body>
<p>Among the different sections of the orchestra you will find:</p>
<p>A <img src="07fg03-violin.jpg" alt="violin" /> in the strings</p>
<p>A <img src="07fg03-trumpet.jpg" alt="trumpet"  /> in the brass</p>
<p>A <img src="07fg03-woodwinds.jpg" alt="clarinet and saxophone"/> in the woodwinds</p>
</body>
"""
soup = BeautifulSoup(html_doc, 'html.parser')
ptag = soup.find_all('p')   # get all tags of type <p>

for tag in ptag:
    instrument = tag.find('img')    # search for <img>
    if instrument:  # if we found an <img> tag...
        # ...create a new string with the content of 'alt' in the middle if 'tag.text'
        temp = tag.text[:2] + instrument['alt'] + tag.text[2:]
        print(temp) # print
    else:   # if we haven't found an <img> tag we just print 'tag.text'
        print(tag.text)

输出是

Among the different sections of the orchestra you will find:
A violin in the strings
A trumpet in the brass
A clarinet and saxophone in the woodwinds

策略是：

查找所有<p>标签
在这些<p> 标签中搜索<img> 标签
如果我们找到<img>标签，将其alt属性的内容插入tag.text并打印出来
如果我们没有找到 <img> 标签，就打印出来

【讨论】：

非常感谢@datell。它工作正常。还有一个问题。如果我在同一段落中有两张图片，例如
在管弦乐队的不同部分中，您会发现：

A 在弦乐中。一个在铜管中

一个在木管乐器中
，那么它不会提取第二个。对同一段落中的 2 pr 更多“img”有任何想法吗？

【解决方案2】：

a = soup.findAll('img')

for every in a:
    print(every['alt'])

这样就可以了。

1.line 查找所有IMG（我们使用.findAll）

或用于文本

print (a.text)
for eachline in a:
    print(eachline.text)

遍历每个结果的简单 for 循环或手动 soup.findAll('img')[0] 然后 soup.findAll('img')[1]..等等

【讨论】：

谢谢，但您的代码返回小提琴小号单簧管和萨克斯管。这不是我的问题，根据我的原始帖子，我希望在“正确的位置”文本中包含这些内容。