lxml etree和xpath返回一个编码的图像，而不是URL的src

Question

我想要一个图像的src url，当我处理一些html，但我找回了一个编码的图像。如果我想要url，我做错了什么？

考虑像URL： “http://www.amazon.com/Cheese-Plate-multi-purpose-mounting-plate/dp/B00CI06DWE/”

和桌面用户代理：

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') 

使用的代码，我得到回：

“\ n数据：图像/ JPEG ; BASE64，/ 9J/4AAQSkZJR'（截短）

时，我想：

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

Answer 1

src属性中有base64 encoded image。你可以从data-a-dynamic-image属性实际的URL，它包含JSON字符串的URL中：

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