用beautifulsoup和python提取标签信息

【问题标题】：Extracting tag information with beautifulsoup and python用beautifulsoup和python提取标签信息
【发布时间】：2012-05-18 06:49:27
【问题描述】：

假设我有一些类似的 xml

<item name=bread weight="5" edible="yes">
<body> some blah </body>
<item>

<item name=eggs weight="5" edible="yes">
<body> some blah </body>
<item>

<item name=meat weight="5" edible="yes">
<body> some blah </body>
<item>

我想用漂亮的汤将每个项目的名称存储在一个列表中

这是目前的尝试：

names =list()

for c in soup.findAll("item"):
    #get name from the tag
        names.append(name i got from tag)

这种方法非常适合提取标签之间的文本。

我尝试复制用于提取链接的方法<a href="www.blah.com">，但它似乎不起作用。

如何将名称信息存储在列表中？（其他列表包含正文，因此出于关联性原因，索引必须一致）。

非常感谢

【问题讨论】：

标签： python xml parsing beautifulsoup

【解决方案1】：

使用dict(item.attrs).get('name') 获取名称。

您遇到了问题，因为 <item> 应该是一个结束标签，但它是一个开始标签，因此您得到 6 个匹配项而不是 3 个。如果您对文本有任何控制权，请使用结束标签来避免这种情况.

这是完整的 sn-p 按预期工作：

names = list()

for item in soup.findAll('item'):
    name = dict(item.attrs).get('name')
    if name is not None:
        names.append(name)

【讨论】：

嗨，感谢@bossylobster 的帮助：这是一个错字，没有把结束标签放进去。我可以省略“如果名字不是无：”当我尝试打印出名字[0]时说“没有”。你知道这是为什么吗？
if name is not None 行用于说明dict(item.attrs).get('name') 返回None 的情况。这恰好发生在 'name' 不是 attrs 字典中的键时。如果您只有几件物品，您可以手动检查它们并找出发生这种情况的原因。