如何可靠地提取meta标签中的属性和内容？

Question

我有一些HTML代码，比如下面这些行。我需要提取出og:image和content这两个属性的值。问题是，如果我直接用简单的字符串分割方法，比如string.split()，那么结果在下面的行中就会不一样，因为第二行的content值中有很多空格。

我该如何可靠地处理这些字符串行，并得到像这样的列表：['og:image', 'http....whatever.jpg']，第二行也是一样的？

 <meta property="og:image" content="http://google.com/example.jpg"/>
 <meta property="og:title" content="Fant over 300 falske personer i skattelistene"/>

编辑：现在我这样解析：

tree = etree.HTML( xml )
m = tree.xpath("//meta[@property]")
for i in m:
    og = etree.tostring( i )
    print og # <meta property="og:image" content="http://google.com/example.jpg"/>

也许可以用XPath直接把content/property提取到一个列表中？

Answer 1

与其把你的元素再转换回字符串，不如直接通过每个元素的 attrib 属性来获取它们的属性值：

for i in m:
    print (i.attrib['property'], i.attrib['content'])