Question

我有例如。以下几行HTML。我需要提取并获取og:image和content属性的列表。问题是，如果我做的是简单的string.split（），则下面的行的结果将不相同，因为第二行在content值中有许多空格。

如何可靠地处理这些字符串并获得如下列表： ['og:image', 'http....whatever.jpg']和第二行相同？

 <meta property="og:image" content="http://google.com/example.jpg"/>
 <meta property="og:title" content="Fant over 300 falske personer i skattelistene"/>

编辑：我现在正在解析：

tree = etree.HTML( xml )
m = tree.xpath("//meta[@property]")
for i in m:
    og = etree.tostring( i )
    print og # <meta property="og:image" content="http://google.com/example.jpg"/>

也许有一种方法可以直接使用XPath将内容/属性放入列表中？

Answer 1

不要将元素转换回字符串，只需通过每个元素的attrib映射获取属性：

for i in m:
    print (i.attrib['property'], i.attrib['content'])

如何从元标记中可靠地提取属性，内容？

1 个答案: