用 BeautifulSoup 找不到 标签，首先确认原始 HTML 是否真包含该标签；若存在但未解析，应改用 lxml 解析器并检查 data-src、srcset 等懒加载属性，同时处理相对路径、403 反爬、文件名非法等问题。
用 BeautifulSoup 找不到 <img alt="怎样利用Python自动识别并下载网页中的图片_使用BeautifulSoup解析DOM" > 标签？先确认 HTML 是否真包含图片节点
很多网页的图片是通过 JavaScript 动态插入的，requests.get() 拿到的原始 HTML 里压根没有 <img alt="怎样利用Python自动识别并下载网页中的图片_使用BeautifulSoup解析DOM" >，这时候 BeautifulSoup 当然查不到。别急着换库，先用浏览器开发者工具（Network → HTML 请求响应体）确认你抓下来的页面源码里是否真有 <img src="..." alt="怎样利用Python自动识别并下载网页中的图片_使用BeautifulSoup解析DOM" >。
如果源码里确实有但没解析出来，常见原因是解析器选错：html.parser 对某些 malformed HTML 容错差，换成 lxml 更稳：
from bs4 import BeautifulSoup soup = BeautifulSoup(html_content, 'lxml') # 不要用 'html.parser' 硬扛乱码
- 确保安装了
lxml：pip install lxml - 检查
soup.find_all('img')返回空列表时，先打印len(soup.find_all('div'))看是否整个 DOM 都没加载成功 - 有些网站用
data-src或srcset延迟加载图片，得手动提取这些属性，而不是只看src
图片 URL 是相对路径？必须用 urljoin 拼成绝对地址才能下载
直接拿 img.get('src') 得到 /images/logo.png 或 ../assets/pic.jpg 这种相对路径，requests.get() 会 404。硬拼字符串容易出错，必须用标准库处理：
from urllib.parse import urljoin
img_url = urljoin(base_url, img.get('src') or img.get('data-src') or '')
# base_url 是你最初 request 的那个网页完整 URL- 别漏掉
data-src、data-original这类懒加载字段，尤其在电商或新闻站很常见 -
srcset是逗号分隔的多分辨率 URL 列表，取第一个（通常是主图）：img.get('srcset', '').split(',')[0].strip().split()[0] - 跳过 SVG、base64 编码的
src（以data:image/开头），它们不是可下载的文件
下载图片时被 403 拒绝？加 headers 模拟浏览器访问
多数网站会检查 User-Agent，空 headers 直接返回 403。不一定要抄 Chrome 最新 UA，简洁有效就行：
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
立即学习“Python免费学习笔记（深入）”；
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'}
response = requests.get(img_url, headers=headers, timeout=10)- 超时设为
timeout=10防止卡死；加上stream=True能节省内存，尤其大图 - 检查
response.status_code == 200再写入文件，否则可能下出 HTML 错误页 - 注意响应头
Content-Type，过滤掉非图片类型（如text/html），避免保存失败内容
保存文件名重复或非法？用 os.path.basename + urllib.parse.unquote 清理
URL 中的 %20、中文、问号等会导致 open() 报错或生成乱码文件名。别手写正则替换，用标准函数解码再截取：
from urllib.parse import unquote
from os.path import basename, join
<p>clean_name = unquote(basename(img_url))</p><h1>如果 clean_name 为空（比如 URL 以 / 结尾），用 hash 或时间戳 fallback</h1><p>if not clean_name or '.' not in clean_name:
clean<em>name = f"img</em>{int(time.time())}.jpg"
full_path = join(save_dir, clean_name)- Windows 下文件名不能含
:"/|?*，basename不会自动删，需额外过滤（简单场景用re.sub(r'[:"/\|?*]', '_', clean_name)） - 扩展名可能缺失或错误（如
https://site.com/pic?id=123），靠response.headers.get('Content-Type')补全更可靠 - 同一页面多个同名图片（如
icon.png出现 5 次），要加序号去重，否则后下载的会覆盖前一个
真正麻烦的从来不是解析 DOM，而是每个网站自定义的图片加载逻辑、反爬策略和 URL 构造方式——处理前先人工点开几个目标链接，看清楚它怎么把图塞进页面的，比硬写通用代码快得多。
