使用 BeautifulSoup 的不同 XML 元素名称列表答案

【问题标题】：List of distinct XML element names using BeautifulSoup使用 BeautifulSoup 的不同 XML 元素名称列表
【发布时间】：2014-10-31 13:43:49
【问题描述】：

我正在使用 BeautifulSoup 来解析 XML 文档。是否有一种直接的方法来获取文档中使用的不同元素名称的列表？

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，到，从，标题，正文

【问题讨论】：

标签： python xml tags beautifulsoup

【解决方案1】：

您可以使用find_all() 并为找到的每个标签获取.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，要使其正常工作，您需要安装lxml 模块，因为根据documentation：

目前，唯一支持的 XML 解析器是 lxml。如果你没有 lxml 已安装，要求 XML 解析器不会给你，并且请求“lxml”也不行。

而且，为了跟进，为什么不直接使用特殊的 XML 解析器呢？

例如，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']

要遵循这一点，为什么要使用第三方来完成如此简单的任务？

例如，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']

【讨论】：