python beautiful soup 元内容标签

Question

我正在尝试从包含以下内容的网站提取价格 HTML:

<div class="book-block-price " itemprop="offers" itemtype="http://schema.org/Offer" itemscope>
<meta itemprop="price" content="29.99"/>
<meta itemprop="price" content=""/>
    $ 29.99         </div>

我正在使用以下 Beautiful Soup 代码：

book_prices = soup_packtpage.find_all(class_="book-block-price ")
print(book_prices)
for book_price in book_prices:
    printable_version_price = book_price.meta.string
    print(printable_version_price)

print(book_prices) 产量：

[<div class="book-block-price " itemprop="offers" itemscope=""    itemtype="http://schema.org/Offer">
<meta content="29.99" itemprop="price"/>
<meta content="" itemprop="price"/>
            $ 29.99

print(printable_version_price) 产生 "None".

如何处理元标记？还是我有其他问题？

Answer 1

book_price.meta 将匹配图书价格块内的第一个 meta 标签。第一个 meta 标签文本是 "empty" - 这就是为什么你得到一个空字符串打印：

<meta itemprop="price" content="29.99"/>

而是获取 content 属性值：

book_price.meta["content"]

Answer 2

您可以使用 lxml 的 etree（伪代码，但应该足以让您继续）：

from lxml import etree
doc = etree.parse(x) # where x is a file-like object, or parseString if x is a string.
print doc.xpath('//meta[itemprop="price"]/text()')

python beautiful soup 元内容标签

python beautiful soup meta content tag

python

beautifulsoup