使用lxml高效解析元标签？

Question

我正在使用 lxml 解析 HTML 页面。这些页面有元标记如下：

<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，它只是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')

但是感觉效率不是很高。

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，所以你可以使用属性选择器：

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

Answer 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)

要准确解析您正在寻找的内容，您只需询问：

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

哪个会输出：

“底特律”