如何使用 Beautifulsoup 从 xml 文件中获取不同的属性？答案

【问题标题】：How to grab an distinct attribute using beautifulsoup from an xml file?如何使用 Beautifulsoup 从 xml 文件中获取不同的属性？
【发布时间】：2022-08-19 03:35:48
【问题描述】：

这是我要提取的数据：

<messages>

    <message type=\"General\" code=\"ER\">SECURITY ALERT message(s) found.</message>

    <message type=\"General\">ORDER NUMBER: 7575757</message>

</messages>

我只是想获取订单号：7575757

我尝试了几种获取此属性的方法，但均未成功。

第一次尝试：

def parseTestID(testid):
    dict = {\'ORDER NUMBER\': testid.split(\" \")[0].split(\":\")[0]}
    return dict

 


parsedData= []
    
for element in bs_data.find_all(\"messages\"):
    for message in element.find_all(\"message\"):
        dict = {\'type\': message[\'type\'], \'ORDER NUMBER\': parseTestID(message.string)[\'ORDER NUMBER\']}
            # append dictionary to list
        parsedData.append(dict)

    # return list
    print(parsedData)

输出：

[{\'type\': \'General\', \'ORDER NUMBER\': \'SECURITY\'}, {\'type\': \'General\', \'ORDER NUMBER\': \'ORDER\'}]

第二次尝试：

for element in bs_data.find_all(\"messages\"):
    for message in element.find_all(\"message\"):
        print(message.text)

输出：

    SECURITY ALERT message(s) found.
    ORDER NUMBER: FA3JZ0P

我觉得我很接近但不太确定如何抓住这个特定的属性。

标签： python xml parsing beautifulsoup attributes

【解决方案1】：

您可以通过以下方式获得该号码：

from bs4 import BeautifulSoup
import re
html = '''
<messages>

    <message type="General" code="ER">SECURITY ALERT message(s) found.</message>

    <message type="General">ORDER NUMBER: 7575757</message>

</messages>
'''
soup = BeautifulSoup(html, 'html.parser')
desired_info = soup.find('message', string = re.compile('ORDER NUMBER:')).text.split(':')[1].strip()
print(desired_info)

这将只返回数字：

如果你想要完整的字符串，那么你可以跳过上面的分割字符串。 BeautifulSoup 文档（此时我强烈建议仔细阅读）：https://beautiful-soup-4.readthedocs.io/en/latest/index.html

【讨论】：

【解决方案2】：

另一种解决方案，没有re：

num = soup.select_one('message:-soup-contains("ORDER NUMBER")').text.split()[-1]
print(num)

印刷：

【讨论】：