懒加载图片的 src 为空是设计使然，真实 url 存于 data-src 等属性中；应优先提取 data-src（fallback 到 data-original、data-lazy），过滤 base64 占位图并补全相对路径，必要时用 playwright 渲染获取动态加载内容。
懒加载图片的 src 为空，是因为浏览器没触发加载逻辑
懒加载图片通常把真实地址存在 data-src、data-original 或 data-lazy 这类自定义属性里，src 留空或填占位图（如 about:blank 或 /static/placeholder.jpg）。静态解析 HTML 时拿不到真实 URL，不是代码写错了，是设计如此。
解决方向只有两个：要么从备用属性里提链接，要么模拟滚动/渲染让 JS 填充 src。前者快但依赖页面约定，后者准但重。
- 先检查元素结构：
view-source:或开发者工具里右键“查看元素”，确认真实地址在哪——常见位置有data-src、data-srcset、data-lazy-src - 如果
data-srcset存在且含逗号分隔多分辨率地址，用split(",")[0].strip().split()[0]提取第一个 URL（注意空格和宽度描述） - 部分站点用
src填 base64 占位符（如data:image/gif;base64,R0lGODlhAQABAAD/ACwAAAAAAQABAAACAkQBADs=），这种可直接跳过，只取data-src
用 requests + 正则或 BeautifulSoup 提取 data-src 最常用也最稳
90% 的懒加载站点遵循这个模式，不用启动浏览器，速度快、资源省、易部署。关键是要别硬写死属性名，得做 fallback 判断。
示例逻辑：
from bs4 import BeautifulSoup
html = requests.get(url).text
soup = BeautifulSoup(html, "html.parser")
imgs = soup.find_all("img")
for img in imgs:
src = img.get("src", "")
data_src = img.get("data-src") or img.get("data-original") or img.get("data-lazy")
real_url = data_src or src
if real_url and not real_url.startswith("data:image/"):
print(real_url)
-
data-src优先级最高，其次是data-original，再是data-lazy，按顺序 or 链式取值更鲁棒 - 务必过滤 base64 占位图：
real_url.startswith("data:image/")是常见误抓点 - 有些站点把 URL 拼在
data-src里带相对路径（如/uploads/abc.jpg），要用urllib.parse.urljoin(base_url, real_url)补全
必须执行 JS 渲染时，Playwright 比 Selenium 更轻量可靠
当图片 URL 被 JS 动态计算（比如 AES 解密、时间戳拼接）、或依赖 IntersectionObserver 触发时，静态提取失效，只能走无头浏览器。这时候别选 Selenium —— 启动慢、内存高、容易被反爬识别。
-
Playwright启动快、API 简洁，支持等待图片真正加载完成：page.wait_for_selector("img[src*='jpg']:not([src='']):not([src^='data:'])", state="visible") - 滚动到底部触发懒加载：
page.evaluate("window.scrollTo(0, document.body.scrollHeight)")，再等几秒，比盲目time.sleep()更可控 - 注意关闭图片加载加速爬取：
page.set_extra_http_headers({"Accept-Encoding": "identity"})不影响，但禁用图片可大幅提速：page.route("**/*.{png,jpg,jpeg,gif}", lambda route: route.abort())，只留 HTML 和 JS
srcset 和响应式图片要单独处理，否则只拿到缩略图
很多现代站点用 srcset 提供多尺寸图源，src 只是兜底小图。懒加载后，srcset 里的高分辨率地址才是你要的真实大图。
-
srcset值形如"small.jpg 480w, medium.jpg 768w, large.jpg 1200w"，按需取最大宽度项：max(srcset.split(","), key=lambda x: int(x.strip().split()[-1][:-1])) - 如果
srcset也有懒加载逻辑，它往往和data-srcset并存，优先取data-srcset，fallback 到srcset - 某些站点用
picture+source标签实现响应式，此时得遍历<source></source>的data-srcset或srcset，再匹配media条件——实际中多数可忽略 media，直接取第一个非空srcset
data-src 提取，失败再上 Playwright；遇到 srcset 就别只盯着 src。最常被忽略的是 base64 占位图误判和相对路径没补全，这两处一错，整批图片就下空了。Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
