<a>タグ内にあるリンク先を取得方法について

Question

前提・実現したいこと

お世話になります。
pythonについて、皆さま方のご知見を伺いたくて、
質問させて頂きます。

以下のHTML内で<img>タグ内にある画像IDを使用して、
<a>タグ内にある"href"の"リンク先"を取得したいです。

Beautiful Soupでスクレイピングしてみたのですが、<img>タグ内のsrcは取り出せたのですが、
そこから<a>タグ内を取得出来る方法が分からない状態でございます。

何卒、ご知見を伺わせて頂ければ幸いです。

該当のソースコード

<div class="inner-article">
	<a style="height:150px;" href="リンク先">
		<img width="500" height="500" src="//xx.jp/画像ID/xxx.jpg" alt=" xxxxx">
	</a>
</div>

試したこと

http = 'URL'
html = requests.get(http)
soup = BeautifulSoup(html.text, 'lxml')

for a in soup.find_all('img'):
	print(a.get('src'))

上記で<img>タグ内のsrcは取り出せたのですが、<a>タグ内を取得出来る方法が分からない状態でございます。

Comments

[m.ts10806]

Python分からないので見た感じですが、soup.find_all('a') のようにはできないのでしょうか？

[keyakeyako]

ご回答ありがとうございます。soup.find_all('a') は出来るのですが、そこから<img>タグないの画像IDを検索する方法がわからない状態です。

[m.ts10806]

ん？それ、要件変わってません？もう少しきちんと具体的に要件をまとめて質問を編集していただけますか？

[keyakeyako]

説明文が分かりづらく大変申し訳ございません。<img>タグ内にある画像IDしか分かっていない状態で、<a>タグ内のhrefのリンク先を取得したいです。

[m.ts10806]

後だしの要件が多いので、「もう少しきちんと具体的に要件をまとめて”質問を編集”していただけますか？」　コメントでは埋もれます。

Answer 1

既にmts10806さんがコメントされているとおり、そのまま使えば良いと思いますが...

for a in soup.find_all('a'):
    print(a.get('href'))

ひょっとしてこういうことですかね。

for a in soup.find_all('a'):
    print(a.get('href'))
    print(a.find('img').get('src'))

コメントを受けて

思いつくままに強引に書くとこんな風になるでしょうね。

purpose = '//xx.jp/画像ID/xxx.jpg'
for a in soup.find_all('a'):
    if a.img['src'] == purpose:
        href = a['href']
        break
else:
    href = None

ただ、もっと簡単に書く方法がありそうな気もします。 ありました。

purpose = '//xx.jp/画像ID/xxx.jpg'
href = soup.find('img', src=purpose).parent['href']

検索に失敗する場合については考慮していませんので、ご注意ください。

さらにコメントを受けて

こういうことでしょうか。

purpose = '//xx.jp/{id}/xxx.jpg'.format(id=画像id)
href = soup.find('img', src=purpose).parent['href']

Comments

[keyakeyako]

ご回答ありがとうございます。説明文が分かりづらく大変申し訳ございません。<img>タグ内にある画像IDしか分かっていない状態で、<a>タグ内のhrefのリンク先を取得したいです。

[keyakeyako]

ある所定の時間になると、画像IDのリンク先に自動でアクセスするプログラムを作成しているのですが、こちらの情報として、画像IDからどのようにリンク先にアクセスするかが分からない為、困っております。

[LouiS0616]

追記しておきました。

[keyakeyako]

ご回答感謝いたします。矢継ぎ早に質問して、大変恐縮なのですが、a.img['src']を記載すると「TypeError: 'NoneType' object is not subscriptable」エラーが発生いたします。何か私の記載方法に問題があったのでしょうか。

[LouiS0616]

img属性のないaタグを拾ったのでしょうね。
一番最後に追記したコードを試してみてください。

[keyakeyako]

ありがとうございます。hrefのリンク先を取得する事が出来ました。非常に助かりました。
最後にですが、purpose = '画像ID'　にして、ワイルドカードでsrcを検索する事はできますでしょうか。ご質問ばかりで大変申し訳ございません。

[LouiS0616]

ワイルドカードというと、どのようなものをイメージされてますか？
例えば特定の文字列をidに含む画像を探したりしたいのでしょうか。

[LouiS0616]

いちおう追記しておきました。こういうことでしょうか。

[keyakeyako]

おっしゃる通りです。
src = "//xx.jp/画像ID/xxx.jpg"というsrcになっているので、指定した画像IDが含まれている場合に「//xx.jp/画像ID/xxx.jpg」を取得できるようにしたいです。

[keyakeyako]

ご回答ありがとうございます。画像IDしかわかっていない状態で「//xx.jp/画像ID/xxx.jpg」を取得できるようにしたいです。

[LouiS0616]

またこっそり追記しておいたので、更新してご確認ください。

[keyakeyako]

すみません、自己解決出来ました。長い時間ご知見を頂き感謝申し上げます。ほんとうに助かりました。