[Help] cần lấy cái link img ở python

Có đoạn html này

Giờ muốn lấy cái link " http :// media.doisongphapluat . com/508/2016/12/13/ngoc-trinh-gia-bao-doisongphapluat.jpg" mà ko lấy đc, anh em đi ngang qua ném cho vài cục gạch

 

Không giúp gì được bác , xin giúp ít gạch .

 

Xài RE nhé

Code:

ou\":\"(.*?)\",\"ow

 

bác code bằng python à? cách safe nhất là biến nó thành dict nhé, ở đây em bỏ tag ra bằng cách cắt string, bác có thể dùng thằng html parser nào đó cũng đc

Code:

import ast

sample = """<div class="rg_meta notranslate">{"cb":21,"cl":21,"clt":"n","cr":9,"id":"CW-PoOGLdjoQfM:","isu":"doisongphapluat . com","itg":0,"ity":"jpg","oh":900,"ou":"http :// media.doisongphapluat . com/508/2016/12/13/ngoc-trinh-gia-bao-doisongphapluat.jpg","ow":600,"pt":"Ngọc Trinh: \"Gu của tôi là những người đàn ông lớn tuổi\"","rh":"doisongphapluat . com","rid":"W7kPaHC2MUIUJM","rt":0,"ru":"http :// www.doisongphapluat . com/giai-tri/nguoi-trong-cuoc/ngoc-trinh-gu-cua-toi-la-nhung-nguoi-dan-ong-lon-tuoi-a173895.html","s":"","sc":1,"st":"Đời sống pháp luật","th":275,"tu":"https :// encrypted-tbn0.gstatic . com/images?q\u003dtbn:ANd9GcSNYNcOG1YFxw0RKWm8ckObqfR9C2U5XGjAPCfugnTftlZtlblp0A","tw":183}</div>"""

sample_without_div = sample[32:-6] #String slicing, easiest way to strip tags

sample_dict = ast.literal_eval(sample_without_div)

link = sample_dict.get('ru')

 

Thank mấy bác

Mình mới mò mò python thôi, nên chỉ là amater nhiều lúc viết miễn sao đạt đc mục đích chứ cũng ko hiểu cú pháp lệnh , cái thư viện ast này chưa xài lần nào nên nhìn cũng không hiểu lắm, nên giải pháp bác @thichgaluoc nhìn không hiểu lắm

Giải pháp bác @Hoa Mãn Lâu mình cũng hay dùng cái re này, nhưng ko hiểu sao viết cứ lỗi hoài, nếu không lỗi thì nó toàn trả về None ko à hay là bác viết giúp code luôn đc ko vậy , thank bác

 

Bạn có thể dùng split, cắt đoạn ou và ow đi, mình thấy dễ dùng hơn regx

Code:

data = """{"cb":21,"cl":21,"clt":"n","cr":9,"id":"CW-PoOGLdjoQfM:","isu":"doisongphapluat . com","itg":0,"ity":"jpg","oh":900,"ou":"http :// media.doisongphapluat . com/508/2016/12/13/ngoc-trinh-gia-bao-doisongphapluat.jpg","ow":600,"pt":"Ngọc Trinh: \"Gu của tôi là những người đàn ông lớn tuổi\"","rh":"doisongphapluat . com","rid":"W7kPaHC2MUIUJM","rt":0,"ru":"http :// www.doisongphapluat . com/giai-tri/nguoi-trong-cuoc/ngoc-trinh-gu-cua-toi-la-nhung-nguoi-dan-ong-lon-tuoi-a173895.html","s":"","sc":1,"st":"Đời sống pháp luật","th":275,"tu":"https :// encrypted-tbn0.gstatic . com/images?q\u003dtbn:ANd9GcSNYNcOG1YFxw0RKWm8ckObqfR9C2U5XGjAPCfugnTftlZtlblp0A","tw":183}"""
content = data.split('"ou":"')[1].split('","ow"')[0]
print(content)

code trên là:
split để chia đoạn data thành nhiều phần
từ "ou":" và lấy phần [1] ( sau "ou":" )
rồi chia tiếp từ ","ow" lấy phần [0] (trước ","ow")

 

đơn giản thôi bác, cái trong thẻ div của bác là 1 cái dictionary của python, nhưng nó đang ở dạng text (string) chứ không phải là dict, hàm ast.literal_eval có công dụng thử và biến nó thành dictionary để bác có thể truy xuất dữ liệu từ nó.
Ví dụ này cho dễ hiểu :
Em có string123 = '123', em muốn nó trở thành kiểu integer thì type(ast.literal_eval(string123)) = int còn type(string123) = str

Regex cho bác nhé
https://regex101.com/r/xMeNSc/1

 

Mình dùng cách này lấy được nè, nhưng khổ nỗi không lấy được hết đưa vô lấy all là bị lỗi, link: " https ://killref.com/get_img.html đây là đoạn html " mình bóc ra hết mấy cái không cần thiết rồi giờ cần lấy toàn bộ img trong thẻ <div class="rg_meta notranslate"> bác giúp thêm đoạn này với

 

Ghép vô chạy mà nó lọc ko ra bác galuoc nhỉ

Code:

        
        _img_google =soup.select('div.rg_meta.notranslate')
        sample_without_div = _img_google[32:-6]
        sample_dict = ast.literal_eval(sample_without_div)
        link = sample_dict.get('ru')
        print(link)

 

Bạn muốn bóc lấy link từ đoạn code trong thẻ <div class="rg_meta notranslate">, hay bóc từ cả cái html đấy?

 

Thôi tặng bác cái regex cho nhanh

Code:

import re

_img_google =soup.select('div.rg_meta.notranslate')

_img_google_without_div = _img_google.text[33:-6]

linkmatch = re.compile(r'\"ru\":\"(http.+?|https.+?)\",\"')

regex_matches = linkmatch.search(_img_google_without_div)

stripped_link = regex_matches.group(1)

print(stripped_link)

btw đoạn trong tag là content của 1 file json, nếu bác bắt đc cái request đấy thì request thẳng đến nó rồi json.loads(XXX) nhàn hơn là bóc html thế này

 

Mục đích cuối cùng của mình là muốn lấy toàn bộ các link image nằm trong ou và ow đó

 

Ý mình là đầu vào của bạn là chỉ đoạn code nằm trong thẻ div, hay là cả trang html như bạn gửi và cần bóc tách ra đoạn link trong thẻ div đó?

 

cả trang html mình gửi đó

 

Chạy bị báo lỗi này không fix đc bác @thigaluoc , bác xem giúp với

Code:

C:\crawl\uxfree>python fuck.py
Traceback (most recent call last):
  File "fuck.py", line 124, in <module>
    print(_content('https://killref.com/get_img.html'))
  File "fuck.py", line 30, in _content
    _img_google_without_div = _img_google.text[33:-6]
AttributeError: 'list' object has no attribute 'text'

 

soup.select() trả về list chứ không phải là BeautifulSoup.Tag bác ơi, bác thay soup.select() bằng soup.select_one() nhé, có gì inbox

 

Code:

from bs4 import BeautifulSoup  # pip install beautifulsoup4

soup = BeautifulSoup(html, "html.parser")
_img_google =soup.select('div.rg_meta.notranslate')
for abc in _img_google:
    try:
        _slipt  = abc.get_text().split('"ou":')[1].split(',"ow"')[0].strip()
        print(_slipt)
    except:
        print("Error: ")
        print(abc.get_text())

Bạn dùng code trên nhé