问题：Web页面html元素提取（图片链接） （python）
Web页面描述：
Web页面，一般是HTML页面，是Internet组织 信息的基础元素。Web页面元素提取是一类常见问题，在网络爬虫、浏览器等程序中有着不可或 缺的重要作用。
HTML指超文本标记语言，严格来说，HTML不是一种编程语言，而是一种对信息的标记语言， 对Web的内容、格式进行描述。
解决办法：
自动地从一个链接获取HTML页面是网络爬虫的功能，本实例功能可以整体分成如下4个步骤：
步骤1: 读取保存在本地的html文件；步骤2：解析并提取其中的图片链接；步骤3：输出提取结果到屏幕；步骤4：保存提取结果为文件。
具体实现
根据上述步骤，可以写出主程序如下。其中设置 了4个函数getHTMLlines()、extractImageUrls()、 showResults()和saveResults()分别对应上述4个步骤。def main():inputfile="C:\\Users\\Jiyao\\Desktop\\link.html" #保存在本地的html网页链接名outputfile = 'C:\\Users\\Jiyao\\Desktop\\urls.txt' #期望存储的输出位置htmlLines = getHTMLlines(inputfile)imageUrls = extractImageUrls(htmlLines)showResults(imageUrls)saveResults(outputfile, imageUrls)
getHTMLlines()函数读取HTML文件并内容， 并将结果转换为一个分行列表，为了兼容不同编码，建议在open()函数中增加encoding字段，设 置采用UTF-8编码打开文件。代码如下。
def getHTMLlines(htmlpath):f = open(htmlpath, "r", encoding='utf-8')ls = f.readlines()f.close()return ls
extractImageUrls()是程序的核心，用于解析文 件并提取图像的URL。观察HTML可以发现，图 像采用img标签表示，例如：
<img title="photo story" src="//0122/20 180122042251164.jpg" width="968px" />
其中，<img开头是图像标签的特点，其中由src=所引导 的URL是这个图像的真实位置。每个URL都以http开头。 因此，可以通过字符串操作提取其中的图像链接。
def extractImageUrls(htmllist):urls = []for line in htmllist:if 'img' in line:# url = line.split('src=')[-1].split('"')[1]url = line.split('src=')[-1]if 'http' in url and '='not in url:urls.append(url.split("\"")[1])# urls.append(url)print(urls)return urls
showResults()函数将获取的链接输出到屏幕上，增加一 个计数变量提供更好用户体验，代码如下。
def showResults(urls):count = 0for url in urls:print('第{:2}个URL:{}'.format(count, url))count += 1
saveResults()保存结果到文件，代码如下。
def saveResults(filepath, urls):f = open(filepath, "w")for url in urls:f.write(url+"\n")f.close()#主函数if __name__ == '__main__':main()
运行结果：
