html快标记是什么,从HTML获取OpenGraph元标记的最快方法？

美丽的汤不够高效，所以我试图用纯粹的lxml。然而，lxml.html.fromstring是越野车(it suddenly eats 100% RAM after some time)，所以我需要做一些其他方式(而不是fromstring)。从HTML获取OpenGraph元标记的最快方法？

我可以使用API​​中的其他模块吗？我无法弄清楚，并且在互联网上出现了一些令人惊讶的例子。

这就是我现在做的事情，但正如我所说，我需要更换fromstring：非常感谢

mySearchTree = fromstring(data)

metas = {}

n = -1

for a in mySearchTree.cssselect('meta'):

n += 1

metas[n] = {}

for b in a.items():

metas[n][b[0]] = b[1]

y = 0

tag = []

for m in metas:

if 'property' in metas[m] and 'content' in metas[m]:

if 'og:' in metas[m]['property']:

y += 1

tag.append({metas[m]['property'] : metas[m]['content']})

for x in tag:

for y in x:

#print '%s ==> %s' % (y, x[y])

self.rj[y] = x[y]

任何指针！

2013-02-22

knutole

+1

看看'etree.iterparse'。如果使用正确，它运作良好。我在像20MB的RAM中分析了一个10GB的XML文件。 –

2013-02-23 00:27:46

+0

它也适用于HTML吗？ –

2013-02-23 21:14:51

+0

不，它没有。 –

2013-04-19 07:27:17