如何使用 Beautiful Soup 的 find() 而不是 find_all() 以获得更好的运行时间

Question

我正在使用 python 的 bs4 编写网络爬虫。我试图找到具有特定属性 'data-a-dynamic-image' 的 第一张图像 。到目前为止，我有下面的代码，并且可以正常工作。但是，我宁愿 只使用 find() 而不是 find_all。这是因为我只关心页面上具有该属性的第一项。我不想使用 find_all 并浪费时间筛选整个网页。

def siftImage(soup):
    try:
        for line in soup.find_all('img'):
            if line is not None:
                if line.has_attr('data-a-dynamic-image'):
                    return line['src']

    except:
        return 'No Image '

我做的第二个函数只会return我想要的结果，如果页面上的第一个图像是我想要的图像，否则它不会return任何东西。但是，它具有我正在寻找的运行时。

def siftImageTwo(soup):
    try:
        line = soup.find('img'):
        if line.has_attr('data-a-dynamic-image'):
            return line['src']

    except:
        return 'No Image '

我正在寻找一些方法来使顶部脚本的功能与底部脚本的时间相匹配。

Answer 1

根据 official documentation，有一种方法可以通过自定义数据-* 属性进行搜索。
你应该试试这个：

line = soup.find('img', attrs={'data-a-dynamic-image': True})

如何使用 Beautiful Soup 的 find() 而不是 find_all() 以获得更好的运行时间

How to use Beautiful Soup's find() instead of find_all() for better runtime

python

beautifulsoup

find

findall

bs4