Question

以下是我正在学习使用Python和beautifulsoup解析的一个XML文件的摘录。

<xml>
    <codeblock>
    <syntax>configure</syntax>
    <syntax>      context
    local</syntax>
    <syntax>           interface <variable>interface_name</variable></syntax>
    <syntax>                ip
    address <variable>ip_address</variable> <variable>subnet_mask</variable></syntax>
    <syntax>                exit</syntax>
    <syntax>           server
    ftpd</syntax>
    <syntax>           ssh
    key <variable>data</variable>
    length <variable>octets</variable></syntax>
    <syntax>           ssh
    key <variable>data</variable>
    length <variable>octets</variable></syntax>
    <syntax>           ssh
    key <variable>data</variable>
    length <variable>octets</variable></syntax>
</codeblock>
</xml>

我想就如何从＆lt; syntax＆gt;中的字符串中删除CRLF提出一些建议。短语要有＆lt; syntax＆gt;和＆lt; / syntax＆gt;在同一行中，同时保留字符串开头的缩进。

请注意＆lt; codeblock＆gt;标记出现在实际XML文件的多个级别中。

我尝试了以下代码：

from bs4 import BeautifulSoup
soup = BeautifulSoup(open(opxmlFilename),'xml')
for tag in soup.find_all('syntax'):
        tag.string = str(tag.text).replace("\n", " ")

虽然这会删除＆lt; syntax＆gt;之间的'\ n'。 tag，它还会删除所有子标记（＆lt; variable＆gt;）。

赞赏一些投入。

我是一名技术作家，他正在尝试使用python学习XML解析以进行基本的自动化活动。

Answer 1

也许我不完全理解这个问题，但这不会给你带来你想要的东西。如果没有，请运行它，看看有什么不对，我们可以尝试解决这个问题。

from bs4 import BeautifulSoup

soup = BeautifulSoup(xml)

for tag in soup.findAll('syntax'):
    print tag.text.strip()

Answer 2

来自python IRC页面的一位优秀绅士帮助使用NavigableString完美无瑕的以下解决方案：

xml_string="""
    <xml>
        <codeblock>
            <syntax>configure</syntax>
            <syntax>      context
            local</syntax>
            <syntax>           interface <variable>interface_name</variable></syntax>
            <syntax>                ip
            address <variable>ip_address</variable> <variable>subnet_mask</variable></syntax>
            <syntax>                exit</syntax>
            <syntax>           server
            ftpd</syntax>
            <syntax>           ssh
            key <variable>data</variable>
            length <variable>octets</variable></syntax>
            <syntax>           ssh
            key <variable>data</variable>
            length <variable>octets</variable></syntax>
            <syntax>           ssh
            key <variable>data</variable>
            length <variable>octets</variable></syntax>
        </codeblock>
    </xml>
"""

from bs4 import BeautifulSoup
soup = BeautifulSoup(xml_string,"xml")
for syntax in soup.find_all('syntax'):
    new_tag = soup.new_tag('syntax')
    for child in syntax.contents:
        if "\n" in child:
            new_tag.append(child.replace("\n", " "))
        else:
            new_tag.append(child)
    syntax.replace_with(new_tag)

print soup

输出：

<xml>
<codeblock>
<syntax>configure</syntax>
<syntax>      context            local</syntax>
<syntax>           interface </syntax>
<syntax>                ip address <variable>ip_address</variable>                <variable>subnet_mask</variable></syntax>
<syntax>                exit</syntax>
<syntax>           server ftpd</syntax>
<syntax>           ssh key <variable>data</variable> <variable>octets</variable>    </syntax>
<syntax>           ssh key <variable>data</variable> <variable>octets</variable>    </syntax>
<syntax>           ssh key <variable>data</variable> <variable>octets</variable></syntax>
</codeblock>
</xml>

使用BeautifulSoup从XML标记中的字符串中删除CRLF

2 个答案: