使用 lxml 有效地解析元标记？

Posted 2023-02-23

【中文标题】使用 lxml 有效地解析元标记？

【英文标题】：Parsing meta tags efficiently with lxml?

【发布时间】：2011-12-29 19:18:48

【问题描述】：

我正在使用 lxml 解析 html 页面。页面的元标记如下：

<meta property="og:locality" content="Detroit" />
<meta property="og:country-name" content="USA" />

如何使用 lxml 高效地查找每个页面上 og:locality 元标记的值？

我目前有以下内容，只是手动按属性匹配元标记：

for meta in doc3.cssselect('meta'):
    prop = meta.get('property')
    if prop === 'og:locality':
        lat = meta.get('content')

但是感觉效率不是很高。

【参考方案1】：

您可以使用这个 XPath 选择器：//meta[@property='og:locality']/@content

【讨论】：

你错过了@content 不？ tree = fromstring(html_data) tree.xpath("//meta[@property='og:locality']/@content")

【参考方案2】：

我认为 lxml 支持大多数 CSS 选择器，所以你可以使用 attribute selector:

doc3.cssselect('meta[property="og:locality"]')[0].get('content')

【参考方案3】：

如果您愿意使用另一个纯 Python 库，gazpacho 可能是一个选择...

from gazpacho import Soup

html = """\
<meta property="og:locality" content="Detroit" />
<meta property="og:country-name" content="USA" />
"""

soup = Soup(html)

要准确解析您要查找的内容，您只需要求：

soup.find("meta", "property": "og:locality").attrs['content']

哪个会输出：

“底特律”