Question

我正在使用BeautifulSoup来解析XML文档。是否有直接的方法来获取文档中使用的不同元素名称列表？

例如，如果这是文档：

<?xml version="1.0" encoding="UTF-8"?>
<note>
    <to> Tove</to>
    <from>Jani</from>
    <heading>Reminder</heading>
    <body>Don't forget me this weekend!</body>
</note>

我想得到：注意，来自，标题，身体

Answer 1

您可以使用find_all()并为找到的每个代码获取.name：

from bs4 import BeautifulSoup

data = """<?xml version="1.0" encoding="UTF-8"?>
<note>
    <to> Tove</to>
    <from>Jani</from>
    <heading>Reminder</heading>
    <body>Don't forget me this weekend!</body>
</note>
"""

soup = BeautifulSoup(data, 'xml')
print [tag.name for tag in soup.find_all()]

打印：

['note', 'to', 'from', 'heading', 'body']

请注意，为此，您需要安装lxml模块，因为根据documentation：

目前，唯一受支持的XML解析器是lxml。如果你没有安装lxml，要求XML解析器不会给你一个，而且要求“lxml”也不起作用。

而且，为了解决这个问题，为什么不直接使用特殊的XML解析器呢？

示例，使用lxml：

from lxml import etree

data = """<?xml version="1.0" encoding="UTF-8"?>
<note>
    <to> Tove</to>
    <from>Jani</from>
    <heading>Reminder</heading>
    <body>Don't forget me this weekend!</body>
</note>
"""

tree = etree.fromstring(data)
print [item.tag for item in tree.xpath('//*')]

打印：

['note', 'to', 'from', 'heading', 'body']

为此，为什么要使用第三方来完成这么简单的任务？

示例，使用标准库中的xml.etree.ElementTree：

from xml.etree.ElementTree import fromstring, ElementTree

data = """<?xml version="1.0" encoding="UTF-8"?>
<note>
    <to> Tove</to>
    <from>Jani</from>
    <heading>Reminder</heading>
    <body>Don't forget me this weekend!</body>
</note>
"""

tree = ElementTree(fromstring(data))
print [item.tag for item in tree.getiterator()]

打印：

['note', 'to', 'from', 'heading', 'body']

使用BeautifulSoup列出不同的XML元素名称

1 个答案: