Python从Beautifulsoup网页刮取中排除某些图像路径

我创建了以下python脚本以从指定url提取图像src路径：

from requests_html import HTMLSession
from urllib.request import urlopen
from bs4 import BeautifulSoup
import requests

url="https://www.example.com/"

session = HTMLSession()
r = session.get(url)

b  = requests.get(url)
soup = BeautifulSoup(b.text, "lxml") 

images = soup.find_all('img')
for img in images:
    if img.has_attr('src'):
        print(img['src'])

脚本工作正常，但我们使用CDN，因此某些图像路径类似：

https://i2.wp.com/www.example.com/wp-content/uploads/2020/06/image-name.png?fit=250%2C250&ssl=1 

因此，我希望能够排除某些以开头的图像src路径（可能是regex），例如：

这可能吗

谢谢

非常简单：

url="https://www.example.com/"
exclude=".*https://i2.wp.com"

images = soup.find_all('img')
for img in images:
    if img.has_attr('src') and not img["src"].startswith(exclude):
        print(img['src'])

简单到：

url="https://www.example.com/"
exclude=".*https://i2.wp.com"

images = soup.find_all('img')
for img in images:
    if img.has_attr('src') and not img["src"].startswith(exclude):
        print(img['src'])

---

您可以使用regex，或者只需使用所述的

.startswith（）

。然后在for循环中，如果以该循环开头，则继续。这意味着代码将在此停止并转到迭代中的下一项：

url="https://www.example.com/"
exclude="https://i2.wp.com"

images = soup.find_all('img')
for img in images:
    if img.has_attr('src'):
        if img['src'].startswith(exclude):
            continue
        print(img['src'])

---

您可以使用regex，或者只需使用所述的

.startswith（）

。然后在for循环中，如果以该循环开头，则继续。这意味着代码将在此停止并转到迭代中的下一项：

url="https://www.example.com/"
exclude="https://i2.wp.com"

images = soup.find_all('img')
for img in images:
    if img.has_attr('src'):
        if img['src'].startswith(exclude):
            continue
        print(img['src'])

---

您可以使用attribute=value选择器将各种需求（img具有src，但不具有以特定字符串开头的irc）绑定到一行代码中（无循环）：

---

您可以使用attribute=value选择器将各种需求（img具有src，但不具有以特定字符串开头的irc）绑定到一行代码中（无循环）：

它的拼写是，例如，

if-img['src']https://i2.wp.com/“”：…

它是拼写的，例如，

如果img['src'].startswith（“”https://i2.wp.com/）：…