Question

我想从百度（DB2312编码）http://news.baidu.com/n?cmd=1&class=civilnews&tn=rss

解析xml提要

我总是收到错误

xml.parsers.expat.ExpatError: not well-formed (invalid token): line 3, column 8

如果我将xml更改为Google Feed http://news.google.com/news?cf=all&ned=us&hl=en&topic=b&output=rss，则可以正常使用。有什么建议吗？

def get_feeds():
        import sys
        import xml.etree.ElementTree as etree
        from urllib import urlopen
        URL = "http://news.baidu.com/n?cmd=1&class=civilnews&tn=rss"
        #URL = "http://news.google.com/news?cf=all&ned=us&hl=en&topic=b&output=rss"
        tree = etree.parse(urlopen(URL))

if __name__ == '__main__':
        get_feeds()

Answer 1

使用优秀的feedparser library，解析该网址没有问题：

>>> import feedparser
>>> feed = feedparser.parse('http://news.baidu.com/n?cmd=1&class=civilnews&tn=rss')
>>> print feed['feed']['title']
百度国内焦点新闻
>>> len(feed['entries'])
20
>>> print feed['entries'][0]['title']
强台风“天兔”正逐渐接近台湾陆地

如何使用Python解析此XML

1 个答案: