我用mechanize来浏览网站。之后,我使用beautifulsoup来处理网页的内容(转换为unicode,删除一些行)。现在我想从Beautifulsoup获得的html源代码创建一个PDF文件。我使用pdfkit,它可以很好地处理文本。但现在我想创建一个pdf格式的图片在html代码中。通过使用相对路径'../.. '来指定url(也适用于图片)。
我怎么能改变所有的url考虑绝对路径,我怎么能获得pdf文件中的图片?路径的改变是否足以获得图片?
解决方案:(基于dudu1791提案)
#changement liens vers images
def ChangeLinkIMG(soup,baseurl):
#parcours des images
for imgLK in soup.findAll('img'):
#chemin relatif image
try:
relaIMG=imgLK['src']
#creation lien absolu
absoIMG=urljoin(baseurl,relaIMG)
imgLK['src']=absoIMG
print absoIMG
except:
pass
return soup
这可能是答案的一半,但下面的代码可以帮助您将url转换为考虑绝对路径。我是这样做的。
def parse_all_links(self, soup):
for link in soup.find_all('a'):
if(link.get('href')):
href = link.get('href')
if href.startswith('http') or href.startswith('https'):
print(href)
elif href =='#':
#print('No link present')
pass
elif href =='/':
pass
else:
href = baseurl + href
print(href)