lxml-tree和xpath返回一个编码的图像，而不是src的URL

Question

当我处理一些html时，我想要一个图像的src-url，但我得到的是一个编码的图像。如果我想要网址，我做错了什么？

给定如下url："http://www.amazon.com/Cheese-Plate-multi-purpose-mounting-plate/dp/B00CI06DWE/"

和一个桌面用户代理：

from lxml import etree
import requests
page = requests.get(url, headers=agent)
page_txt = page.text
html_parser = etree.HTMLParser()
tree = etree.parse(StringIO(page_txt), html_parser)
path = '//img[@id="landingImage"]'
img = tree.xpath(path)
img_src = img[0].get('src')

使用该代码，我将返回：

'\data:image/jpeg；base64，/9j/4AAQSkZJR'（截断）

当我想要：

http://ecx.images-amazon.com/images/I/41SNmVfXvhL.SY355.jpg

Answer 1

src属性中有一个base64编码的图像。您可以从data-a-dynamic-image属性中获得实际的URL，它包含JSON字符串，其中包含URL：

import json 
path = '//img[@id="landingImage"]/@data-a-dynamic-image'
print next(json.loads(tree.xpath(path)[0]).iterkeys())

打印：

http://ecx.images-amazon.com/images/I/41SNmVfXvhL._SX466_.jpg