我正在使用 Beautiful Soup 从如下所示的 XML 文件中获取一些信息:
<name>Ted</name>
<link>example.com/rss</link>
<link>example2.com/rss</link>
这是我目前正尝试读入的整个 XML 文件,用于测试目的。
当我尝试使用 find_all('link') 时,它会返回一个包含以下内容的列表:
[ <link/>, <link/> ]
我似乎无法在任何文档中找到任何此类内容的提及,任何人都可以告诉我我做错了什么?
编辑:包括解析代码:
for file in glob.glob("*.xml"):
if file.endswith(".xml"):
f = open(file, 'r');
#Reads in all information about the bot from the file
botFile = f.read()
soup = BeautifulSoup(botFile)
name = soup.find('name').get_text()
links = soup.find_all('link')
for link in links:
print link
请您参考如下方法:
要使用 BeautifulSoup 解析 XML,您需要使用 XML 解析器;确保你有 lxml installed并告诉 BeautifulSoup 使用 XML:
soup = BeautifulSoup(document, 'xml')
否则元素被解析为HTML <link> tags ,根据定义为空。
演示:
>>> from bs4 import BeautifulSoup
>>> sample = '''\
... <root>
... <name>Ted</name>
... <link>example.com/rss</link>
... <link>example2.com/rss</link>
... </root>
... '''
>>> soup = BeautifulSoup(sample)
>>> soup.find_all('link')
[<link/>, <link/>]
>>> soup = BeautifulSoup(sample, 'xml')
>>> soup.find_all('link')
[<link>example.com/rss</link>, <link>example2.com/rss</link>]
注意没有第二个参数'xml'结果是空的标记对象,但带有 'xml'设置标签内容在那里。
参见 Installing a parser和 Parsing XML在文档中。
