抓住美丽的汤元内容

Question

我需要在这里使用正则表达式吗？

我想要的内容如下所示：

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

但是，有许多以“ meta content =“开头的对象，我想要以name =” description“结尾的对象。我是regex的新手，但我认为BS可以解决这个问题。

Answer 1

假设您能够将HTML内容读入一个变量并将其命名为html，则必须使用beautifulsoup解析HTML：

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

然后，要搜索<meta content="text I want to grab" name="description"/>，您必须找到具有名称'meta'和属性的标签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，因此：

content = meta_tag['content']

由于这是一个简单的搜索，因此还有一种更简单的方法来找到标签：

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