我正在使用 BeautifulSoup 4 (bs4) 来读取 XML RSS 提要,并且遇到了以下条目。我正在尝试阅读<content:encoded><![CDATA[...]]</content>
标签中包含的内容:
<item>
<title>Foobartitle</title>
<link>http://www.acme.com/blah/blah.html</link>
<category><![CDATA[mycategory]]></category>
<description><![CDATA[The quick brown fox jumps over the lazy dog]]></description>
<content:encoded>
<![CDATA[<p><img class="feature" src="http://www.acme.com/images/image.jpg" alt="" /></p>]]>
</content:encoded>
</item>
据我了解,这种格式是RSS 内容模块的一部分,非常常见。
我想隔离<content:encoded>
标签,然后读取 CDATA 内容。为免生疑问,结果将是<p><img class="feature" src="http://www.acme.com/images/image.jpg" alt="" /></p>
。
我已经查看了this、this和this stackoverflow 帖子,但我无法弄清楚如何完成这项工作,因为它们与我的案例没有直接关系。
我正在使用带有 bs4的lxml XML解析器。
有什么建议么?谢谢!