Question

我的文件中填充了包含在格式良好的XML中的句子（xmllint和tidylib都这样说）。所以xml看起来像这样：

<a id="100" attr1="text" attr1="text" attr1="text">
<tagname id="1">
This is my sentence.
</tagname>
</a>
<a id="101" attr1="text" attr1="text" attr1="text">
<tagname id="1">
This is my sentence.
</tagname>
</a>

等等。

我使用以下代码提取具有属性的句子（在这种情况下从id 1到85）

a1 = open(r"file.xml",'r')
a = a1.readlines()
a1.close()
soup = BeautifulSoup(str(a))
for i in range(1,85):
    a = soup.find('a', {'id': i})
    achild = a.find('tagname')
    tagnametext = achild.contents
    print tagnametext

一切都打印得很好，直到第84句，我收到错误： achild = a.find（'tagname'） AttributeError：'NoneType'对象没有属性'find'

每一组......都是用for循环生成的，所以xml都是一样的。我尝试过使用不同数量句子的不同文件。发生错误的id也会发生变化。这是beautifulsoup的限制吗？它无法扫描超过一定数量的行？

Answer 1

最后一行失败了。它可能是文件编码问题，该行包含一些有趣的EOF字符，或者该行不被解释为字符串。你可以在失败之前打印出最后一行，看看它是什么类型的吗？

Answer 2

a = soup.find('a', {'id': i}) 84很可能无法返回您期望的内容。如果找不到标记，则find()会返回None，从而解释AttributeError

此外，在您的代码中，您似乎是BeautifulSouping一个列表（表示为字符串）。

soup = BeautifulSoup(str(a))

你正在串起一个列表，然后把列表搞定，这很愚蠢。如果汤有整个文件，然后循环遍历每个标记，如果它有id？

from bs4 import BeautifulSoup
with open('file.xml', 'r') as myfile:
    soup = BeautifulSoup(myfile.read())
    for i in soup.find_all('a', id=True):
        print i.tagname.contents

打印：

[u'\nThis is my sentence.\n']
[u'\nThis is my sentence.\n']

xml解析莫名其妙地终止了

2 个答案: