BeaitifulSoup 无法读取所有命名空间答案

【问题标题】：BeaitifulSoup can't read all the namespacesBeaitifulSoup 无法读取所有命名空间
【发布时间】：2019-12-24 15:45:50
【问题描述】：

我有一个 XBRL 文档，它应该是一个 XML 文档。

我正在尝试提取按名称空间分组的不同标签。虽然代码似乎适用于某些命名空间 (us-gaap)，但它似乎不适用于其他命名空间 (xbrli)。但是，在 xml 文件中有很多 * *

类型的标签

代码：

from bs4 import BeautifulSoup

with open('test.xml', 'r') as fp:
    raw_text = fp.read()

soup = BeautifulSoup(raw_text, 'xml')

print( len(soup.find_all(lambda tag: tag.prefix == 'us-gaap')) ) # print 941
print( len(soup.find_all(lambda tag: tag.prefix == 'xbrli')) ) # print 0

您可以找到test.xml file here。

【问题讨论】：

我无法复制这个。我正在使用您的代码获取 941 和 1268 等值。
请添加预期的结果输出

标签： python xml beautifulsoup namespaces xbrl

【解决方案1】：

你能试试这段代码吗（使用 CSS 选择器？）。使用您的代码，我有时会得到 1268 的 xbrli 标签，有时是 0（在旧版本的 bs4==4.4.1 上测试）。另外，您使用的是哪个版本的 BeautifulSoup？

from bs4 import BeautifulSoup, __version__

soup = BeautifulSoup(open('data.txt', 'r').read(), 'xml')

print('xbrli:* tags =', len(soup.select('xbrli|*')))
print('us-gaap:* tags =', len(soup.select('us-gaap|*')))

print('Version of bs4:', __version__)

打印：

xbrli:* tags = 1268
us-gaap:* tags = 941
Version of bs4: 4.8.1

【讨论】：

即使我认为 Css 选择器将是最好的选择。但是，由于运行几次后我无法重现，如果关闭，我就离开了。但是很好的想法。+1
@KunduK 我已经在旧版本的 bs4 4.4.1 上测试了 OP 的代码，实际上，xbrli 标签的总和是（有时）0。所以我认为 OP 使用的是旧版本的bs4.
CSS 命名空间选择器支持直到 4.7.0 才添加了 soupsieve。

【解决方案2】：

使用 BeautifulSoup 4.8.1 解决了这个问题。

【讨论】：