使用 BeautifulSoup 或 minidom 解析 XML

Question

我有类似这样的 XML

#filename sample.xml
<tag>
<tag1>
<tag2 property="something"/>
<tag2 property="something1"/>
<tag2 property="something2">value</tag2>
<tag2 property="something3">
<tag3>
<tag4 data="data1"/>
<tag4 data="data2"/>
</tag3>
</tag2>
</tag1>
</tag>

我想提取'data1' 和'data2'。我正在尝试这样的事情：

f=open('sample.xml')
fdata=f.read()
xmldata=BeautifulSoup(fadata)
print (xmldata.tag.tag1.tag2.tag3.tag4["data"])

但是它抛出了一个错误：

AttributeError: 'NoneType' object has no attribute 'tag4'

Answer 1

print 函数由于多个 tag2s 而失败。一种解决方案是使用.findAll('tag2') 检索所有标签。

这是一个工作示例：

#! /usr/bin/python

from bs4 import BeautifulSoup
f=open('sample.xml')
fdata=f.read()
xmldata=BeautifulSoup(fdata)

alltags2 = xmldata.tag.tag1.findAll('tag2')

for tag2 in alltags2:
    alltags3 = tag2.findAll('tag3')
    for tag3 in alltags3:
        alltags4 = tag3.findAll('tag4')
        for tag4 in alltags4:
            print "The data I got was :\"%s\"" % (tag4["data"])

亲切的问候，

Answer 2

一种可能的方法是使用select() 方法将CSS 选择器语句作为参数传递。例如，如果你真的想严格选择具有这样祖先层次结构的<tag4>：

.....
xmldata=BeautifulSoup(fadata)
for tag4 in xmldata.select("tag > tag1 > tag2 > tag3 > tag4"):
    print tag4["data"]

上面将打印以下内容：

data1
data2

或者，如果您只需要所有 <tag4> 元素，无论它们位于 XML 中的哪个位置，您都可以简单地使用 xmldata.select("tag4")。