Question

我正在使用lxml解析HTML页面。这些页面的元标记如下：

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

如何有效地使用lxml在每页上查找og:locality元标记的值？

我目前有以下内容，只需按属性手动匹配元标记：

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

但感觉效率不高。

Answer 1

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

Answer 2

我认为lxml支持大多数CSS选择器，因此您可以使用attribute selector：

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

Answer 3

如果您愿意使用另一个纯Python库，可以选择gazpacho ...

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，只需提出以下要求：

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

哪个会输出：

“底特律”

使用lxml有效解析元标记？

3 个答案: