在 Python 中使用 BeautifulSoup 和 lxml 在 xml 中删除标签及其内容答案

【问题标题】：Removing a tag and its contents in xml using BeautifulSoup and lxml in Python在 Python 中使用 BeautifulSoup 和 lxml 在 xml 中删除标签及其内容
【发布时间】：2013-12-07 00:10:06
【问题描述】：

我正在处理我的 Evernote 数据 - 提取到一个 xml 文件。我已经使用 BeautifulSoup 解析了数据，这里是我的 xml 数据的一个样本。

<note>
<title>
 Audio and camera roll from STUDY DAY! in San Francisco
</title>
<content>
<![CDATA[<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<!DOCTYPE en-note SYSTEM "http://xml.evernote.com/pub/enml2.dtd">
<en-note><div><en-media type="image/jpeg" hash="e3a84de41c9886b93a6921413b8482d5" width="1080" style="" height="1920"/><en-media type="image/jpeg" hash="b907b22a9f2db379aec3739d65ce62db" width="1123" style="" height="1600"/><en-media type="audio/wav" hash="d3fdcd5a487531dc156a8c5ef6000764" style=""/><br/></div>

</en-note>
]]>
</content>
<created>
 20130217T153800Z
</created>
<updated>
 20130217T154311Z
</updated>
<note-attributes>
<latitude>
 37.78670730072799
</latitude>
<longitude>
 -122.4171893858559
</longitude>
<altitude>
 42
</altitude>
<source>
 mobile.iphone
</source>
<reminder-order>
 0
</reminder-order>
</note-attributes>
<resource>
<data encoding="base64">

我想在这里探索两种途径： 1.查找和删除特定标签（在这种情况下） 2. 定位一组/标签列表以提取到另一个文档

这是我当前的代码，它解析 xml 并对其进行美化并输出到文本文件。

from bs4 import BeautifulSoup
soup = BeautifulSoup(open('myNotes.xml','r'))
with open("file.txt", "w") as f:
f.write(soup.prettify().encode('utf8'))

【问题讨论】：

标签： python xml parsing beautifulsoup lxml

【解决方案1】：

您可以按名称搜索节点

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(open('myNotes.xml', 'r'))


source = soup.source
print source

#<source>
# mobile.iphone
#</source>


source = soup.source
print source.string

# mobile.iphone

另一种方法，findAll方法：

for tag in soup.findAll('source'):
    print tag.string

如果你想打印每个节点剥离标签，这应该可以完成工作：

for tag in soup.findAll():
    print tag.string

希望对你有帮助。

编辑：________

BeautifulSoup 假设您知道结构，尽管根据定义 xml 是结构化数据存储。所以你需要给 BS 一个指导来解析你的 xml。

row = []
title = soup.note.title.string
created = soup.note.created.string
row.append(title)
row.append(created)

现在您只需遍历 xml。

【讨论】：

如果我想打印嵌套的元素，我该怎么做？ - 例如，将（标题、创建、更新、纬度、经度、mime、时间戳和文件名）的每次出现打印为一行，每个类别作为一列。
BeautifulSoup 假设您知道结构，尽管根据定义 xml 是结构化数据存储。所以你需要给BS一个指导来解析你的xml。有关详细信息，请参阅编辑。

【解决方案2】：

如果您使用BeautifulSoup，您可以使用getText() 方法去除子元素中的标签并得到一个合并文本

source.getText()

【讨论】：