使用BeautifulSoup通过第二个属性获取XML标记

Question

我正在尝试提取NextBus数据，特别是在这里看到的实时总线GPS：http://webservices.nextbus.com/service/publicXMLFeed?command=vehicleLocations&a=sf-muni&r=N&t=0

在其中，有些标签看起来像这样：

<vehicle id="1534" routeTag="N" dirTag="N__OB1" lat="37.76931" lon="-122.43249" 
         secsSinceReport="99" predictable="true" heading="265" speedKmHr="37"/>

我正在学习python并且已经走过去成功地根据属性拉取标签。但我正在努力寻找除了id之外的任何属性。

这样可行：

soup.findAll("vehicle", {"id":"1521"})[1]

但是这会返回一个空集

soup.findAll("vehicle", {"routeTag":"N"})

有什么理由？

另外，正如我所提到的，我对Python很新，所以如果你有一个最喜欢的抓取教程，请随时发表评论！

Answer 1

要使其正常运行，您应该将xml传递给BeautifulSoup构造函数：

from urllib2 import urlopen
from bs4 import BeautifulSoup

url = 'http://webservices.nextbus.com/service/publicXMLFeed?command=vehicleLocations&a=sf-muni&r=N&t=0'
soup = BeautifulSoup(urlopen(url), "xml")

print soup.find_all("vehicle", {"routeTag":"N"})

打印：

[
 <vehicle heading="-4" id="1431" lat="37.72223" lon="-122.44694" predictable="false" routeTag="N" secsSinceReport="65" speedKmHr="0"/>,
 ...
]

或者，感谢@ Martijn的评论，请用小写字母进行搜索：

print soup.find_all("vehicle", {"routetag": "N"})

另请注意，您应该使用BeautifulSoup4和find_all()方法 - 不会维护第3个BeautifulSoup版本。