beautiful soup4で画像を取得したい

Question

#前提・実現したいこと

python3で、requests、beautifulsoup4を用いニュースサイトの画像を取得しようと考えています。

#分からない部分

上手くsrcを取得することができないです。HTMLは下のとおりです。

<!--記事一例：http://www.yomiuri.co.jp/national/20170124-OYT1T50000.html?from=ytop_photo-->
<!-- 記事にはこの他にも<img>が沢山ありますがここのsrcを取得したいです-->
       
<ul class="thumbnails thumbnails-left">
<li style="width:195px">
<a href="http://www.yomiuri.co.jp/photograph/news/article.html?id=20170124-OYT1I50007" class="thumbnail">
<img src="/photo/20170124/20170124-OYT1I50007-N.jpg" alt="大雪の影響で大型トラックや乗用車などが立ち往生した国道３７３号（２４日午前８時３７分、鳥取県智頭町で、読売ヘリから）＝泉祥平撮影"/>
</a>
<div class="caption">大雪の影響で大型トラックや乗用車などが立ち往生した国道３７３号（２４日午前８時３７分、鳥取県智頭町で、読売ヘリから）＝泉祥平撮影</div>
</li>
</ul>

import requests
from bs4 import BeautifulSoup,NavigableString

r = requests.get("http://www.yomiuri.co.jp/national/20170124-OYT1T50000.html?from=ytop_photo")
soup = BeautifulSoup(r.text.encode(r.encoding), 'html.parser')

img = soup.find()          #ここで該当する<img>を指定する方法がわからないです。

ご教授いただけないでしょうか？よろしくお願いします。

Answer 1

ぼんやりとですが、直接imgタグにたどり着こうとするのが難しそうな印象ですね。

例えば「一階層上のaタグの子要素」と考えることで、aタグの見つけ方を介してimgタグに到達できます。

以下、前提： 本来取得したいimgタグの親要素のaタグのリンク先が1個のみの場合

# 前略

link_url = 'http://www.yomiuri.co.jp/photograph/news/article.html?id=20170124-OYT1I50007'
img = soup.find('a', {'href': link_url}).img

上記のようにすれば取れました。

ただし、

• 「質問文にある構造のHTMLであること」
• 「リンクURLが同一HTMLの他の場所に存在しないこと」

が前提になってきます。

Comments

[neoneko]

できました、ありがとうございました！