使用 BeautifulSoup 在结果集的标签 (<topic>) 内排除标签 (<pattern>)

Question

我刚开始使用 Python 进行网络抓取，目前我正在使用 BeautifulSoup 进行数据提取。我有这个 .aiml 文件（xml），其中我想从标签 pattern 中提取所有数据，这些标签 NOT INCLUDED 在 topic 标签内.

我已经获得了所有模式值，但这里的挑战是，那些具有 topic 父标记的模式不应包含在结果集中。

这里是目标文件：

<?xml version = "1.0" encoding = "UTF-8"?>

<aiml version="1.0.1" encoding="UTF-8">
  <topic name="botdog">
   <category>
      <pattern>MY DOG'S NAME IS *</pattern>
      <template>
         That is interesting that you have a dog named <set name="dog"><star/></set>
      </template>  
   </category>

   <category>
      <pattern>WHAT IS MY DOG'S NAME</pattern>
      <template>
         Your dog's name is <get name="dog"/>.
      </template>  
   </category>  
  </topic>

  <topic name="botcat">
   <category>
      <pattern>MY CAT'S NAME IS *</pattern>
      <template>
         That is interesting that you have a cat named <set name="cat"><star/></set>
      </template>  
   </category>

   <category>
      <pattern>WHAT IS MY CAT'S NAME</pattern>
      <template>
         Your cat's name is <get name="cat"/>.
      </template>  
   </category>  
  </topic>


  <category>
      <pattern>HELLO ALICE</pattern>
      <template>
         Hello User
      </template>
   </category>

   <category>
      <pattern>HOW ARE YOU</pattern>
      <template>
         I'm fine
      </template>
   </category>
</aiml>

Python 代码（Flask）：

@extract.route('/')
def index_page():
    folder = 'templates/topic.aiml'
    with open(folder, 'r') as myfile:
        soup = BeautifulSoup(myfile.read(), 'html.parser')
    data_topic = [match.pattern.text for match in soup.find_all('category')]

    print(data_topic)


    # data = " ".join(data_set)

    return jsonify({'data_set': data_topic})

print() 的返回值为：

[“我的狗叫 *”、“我的狗叫什么”、“我的猫叫 *”、“我的猫叫什么”、“你好 ALICE”、“你好吗”]

应该只是这样，因为它没有父标签topic： ['HELLO ALICE', '你好吗']

Answer 1

试试这个：

@extract.route('/')
def index_page():
    folder = 'templates/topic.aiml'

    with open(folder, 'r') as myfile:
        soup = BeautifulSoup(myfile.read(), 'html.parser')

    data = []
    for cat in soup.find_all('category'):
        if cat.parent.name == "topic": continue
        data += [cat.find("pattern").text]

    print(data)
    return jsonify({'data_set': data})

希望这会有所帮助！查看docs 了解更多示例。