python - 用 BeautifulSoup 抓取元内容

Question

我需要在这里使用正则表达式吗？

我想要的内容如下:

<meta content="text I want to grab" name="description"/>

但是，有许多对象以“meta content=”开头，我想要以 name="description"结尾的对象。我对正则表达式很陌生，但我认为 BS 能够处理这个问题。

Answer 1

假设您能够将 HTML 内容读入一个变量并将该变量命名为 html ，你必须使用beautifulsoup解析HTML:

from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'html.parser')

然后，搜索 <meta content="text I want to grab" name="description"/> ，您必须找到名称为 'meta' 的标签和属性 name='description' :

def is_meta_description(tag):
    return tag.name == 'meta' and tag['name'] == 'description'

meta_tag = soup.find(is_meta_description)

您正在尝试获取 content标签的属性，所以:

content = meta_tag['content']

既然是简单的搜索，那么还有更简单的方法来查找标签:

meta_tag = soup.find('meta', attrs={'name': 'description'})