如何使用 BeautifulSoup 拆分 xml 文件中的多值属性？答案

【问题标题】：How can you split a multi-valued attribute in an xml file using BeautifulSoup?如何使用 BeautifulSoup 拆分 xml 文件中的多值属性？
【发布时间】：2022-01-16 22:06:57
【问题描述】：

所以，我有一个非常混乱的 xml 数据，需要对其进行解析，以便将其插入数据库。

这是一个 XML 示例：

<GenericItem html='ID: AAA1&lt;br/&gt;Age: 12&lt;br/&gt;Name: Baryk &lt;'>
   Employee:
</GenericItem>

如何拆分html标签的值，以便获取姓名、年龄和ID？

【问题讨论】：

标签： beautifulsoup xml-parsing

【解决方案1】：

试试这个！

您只需要进行一些字符串操作/清理即可获得您想要的数据。我刚刚打印出来了，如果你愿意，你可以把它保存在一个变量中。

from bs4 import BeautifulSoup

source = "<GenericItem html='ID: AAA1&lt;br/&gt;Age: 12&lt;br/&gt;Name: Baryk &lt;'>Employee:</GenericItem>"

soup = BeautifulSoup(source, 'lxml')
for each in soup.find("genericitem").get("html").split("<br/>"):
    print(each.split(":")[1].replace("<", "").strip())

【讨论】：

感谢您的帮助，这个有效！它既简单又好:)
很抱歉再次打扰您，如果它在具有多个 GenericItem 标签的文件中怎么办。如何拆分标签值直到文件结束？
您必须在该标签上使用find_all，它将返回标签列表，因此您必须对其进行迭代
您可以使用 find_all 来返回列表，然后按照@BhavyaParikh 的建议对其进行循环。

【解决方案2】：

我已将您的数据设为html

from bs4 import BeautifulSoup
html="""<GenericItem html='ID: AAA1&lt;br/&gt;Age: 12&lt;br/&gt;Name: Baryk &lt;'>
   Employee:
</GenericItem>
"""
soup=BeautifulSoup(html,"lxml")

我找到了genericitem标签并根据<br/>和内部循环拆分使用:将值作为键值对添加到data_dict

dict_data={}
tag=soup.find("genericitem")['html'].split("<br/>")
for data in tag:
    info=data.split(":")
    value=info[0]
    data=info[1].strip()
    dict_data[value]=data

输出：

{'ID': 'AAA1', 'Age': '12', 'Name': 'Baryk <'}

【讨论】：

谢谢你的帮助，这个也可以！我会将它用于我的另一个项目。你让我开心:)

【解决方案3】：

您可以使用 BeautifulSoup 和 'lxml' 进行解析和重新解析

from bs4 import BeautifulSoup as bs

to_parse = '''<GenericItem html='ID: AAA1&lt;br/&gt;Age: 12&lt;br/&gt;Name: Baryk &lt;'>
   Employee:
</GenericItem>'''

soup = bs(to_parse, 'lxml')
print([i.split(': ')[-1] for i in bs(soup.select_one('genericitem')['html'], 'lxml').select_one('p').stripped_strings])

【讨论】：