从 BeautifulSoup xml 中提取属性“值”答案

【问题标题】：Extract attribute 'value' from BeautifulSoup xml从 BeautifulSoup xml 中提取属性“值”
【发布时间】：2019-10-15 14:17:32
【问题描述】：

我正在尝试使用 BeautifulSoup 从 SOAP xml schema 中提取搜索关键字，但无法弄清楚如何提取值属性。

我尝试过使用soap.find_all，但它不会让我提取值属性。

这是我目前所拥有的：

soap = requests.get('http://ecp.iedadata.org/soap_search_schema.xsd')
soapXML = soap.content.decode("utf-8")
soapSoup = BeautifulSoup(soapXML, "xml")
level1 = soapSoup.findAll('xs:attribute', {'name':'level1'})[0]
level1['value']

这就是我有问题的地方。根据 BeautifulSoup 文档，这应该输出所有“值”属性。

print(level1):

<xs:attribute name="level1" use="optional">
<xs:simpleType>
<xs:restriction base="xs:string">
<xs:enumeration value=""/>
<xs:enumeration value="alteration"/>
<xs:enumeration value="igneous"/>
<xs:enumeration value="metamorphic"/>
<xs:enumeration value="notfound"/>
<xs:enumeration value="ore"/>
<xs:enumeration value="sedimentary"/>
<xs:enumeration value="vein"/>
<xs:enumeration value="xenolith"/>
</xs:restriction>
</xs:simpleType>
</xs:attribute>

如您所见，我试图从所有 xs:enumeration 标记中的 value 属性中获取文本。最终结果将是 level1 的搜索词列表。即：

（蚀变、火成岩、变质、未发现、矿石、沉积、矿脉、捕虏体）

我不能只调用 xs:enumeration 标签，因为有多个关键字（即 level2、level3、SampleType... 等）并且每个关键字都有不同的 xs:enumeration 值。

这是最后一行的错误（level1['value']）

KeyError Traceback（最近一次调用最后一次）在 ----> 1 level1test['value']

~/anaconda3/envs/py37/lib/python3.7/site-packages/bs4/element.py in getitem(self, key) 1069 """tag[key] 返回标签的 'key' 属性的值， 1070，如果不存在则抛出异常。""" -> 1071 返回 self.attrs[key] 1072 1073 def iter（自我）：

KeyError: '值'

【问题讨论】：

标签： xml python-3.x beautifulsoup

【解决方案1】：

只需将level1['value'] 替换为：

for i in level1:
    if type(i) is not bs4.element.NavigableString:
        data = i.contents
        for k in data[1]:
            if type(k) is not bs4.element.NavigableString:
                print(k['value'])

输出：

alteration
igneous
metamorphic
notfound
ore
sedimentary
vein
xenolith

【讨论】：

@DeltaV - 刚刚用import bs4 和soapSoup = bs4.BeautifulSoup(soapXML, "xml") 尝试过，它也可以工作。

【解决方案2】：

只需使用值 attribute selector

import requests 
from bs4 import BeautifulSoup as bs

soap = requests.get('http://ecp.iedadata.org/soap_search_schema.xsd')
soapXML = soap.content.decode("utf-8")
soapSoup =bs(soapXML, "xml")
enumeration_values = [item['value'] for item in  soapSoup.select("[value]") if item['value']]
print(enumeration_values)

略更快将是使用type selector

import requests 
from bs4 import BeautifulSoup as bs

soap = requests.get('http://ecp.iedadata.org/soap_search_schema.xsd')
soapXML = soap.content.decode("utf-8")
soapSoup =bs(soapXML, "xml")
enumeration_values = [item['value'] for item in  soapSoup.select("enumeration") if item['value']]
print(enumeration_values)

【讨论】：