从Google抓取src属性，仅使用漂亮的汤料

问题描述

我正在尝试抓取Google图片。当美丽的汤提取“ src”时，它输出链接 数据：图片/ gif； base64，R0lGODlhAQABAIAAAP /////// yH5BAEKAAEALAAAAAABAAEAAAICTAEAOw == 这不是实际的图像。 脚本标签看起来经过了严格的编码，并且不包含实际的URI。 有人可以建议我解决方案吗？

实际上，这是最小数据URI，在解码时会产生1x1图像。我的问题是Google如何缩小完整的数据URI，以及如何访问完整的URI，以便获得实际的图片？

解决方法

这是数据URL，请参阅https://developer.mozilla.org/en-US/docs/Web/HTTP/Basics_of_HTTP/Data_URIs

您可以解码base64字符串，然后保存到图像文件中。

,

这是Base64编码的图像。您可以将其保存到图像文件，例如：

src = "BASE64 DATA"
img = open("MyImage.gif","wb+")
img.write(src.decode('base64'))
img.close()

,

Google 图片从（谢天谢地）内联 JavaScript 插入到 DOM。打开任何查询的搜索结果页面源，复制图像 src 属性，然后在页面源中找到它。

要仅使用 bs4 提取它，您可以模拟浏览器并使用正则表达式从内联 JavaScript 中提取数据。

或者，您可以使用 SerpApi 提取完整图像的 URI。这是一个付费 SaaS，提供免费试用。

使用 curl 的示例。

curl -s 'https://serpapi.com/search?q=coffee&tbm=isch'

在 Repl.it 上使用 google-search-results Python 包的示例。

from serpapi import GoogleSearch
import os

params = {
    "engine": "google","q": "coffee","tbm": "isch","api_key": os.getenv("API_KEY")
}

client = GoogleSearch(params)
data = client.get_dict()

print("Images results")

for result in data['images_results']:
    print(f"""
Position: {result['position']}
Original image: {result['original']}
""")

示例输出

Images results

Position: 1
Original image: https://upload.wikimedia.org/wikipedia/commons/4/45/A_small_cup_of_coffee.JPG


Position: 2
Original image: https://media3.s-nbcnews.com/j/newscms/2019_33/2203981/171026-better-coffee-boost-se-329p_67dfb6820f7d3898b5486975903c2e51.fit-1240w.jpg

检查 Google Images API on SerpApi website 的文档。

免责声明：我在 SerpApi 工作。