python 使用 urllib 解析 xml 网站

Question

我必须从该网站获取所有 XML 格式的“活动”： http://www.bcn.cat/tercerlloc/agenda_cultural.xml

为了做到这一点，我创建了这些类，它们将保留 XML 中的新活动：

class GeoLoc(object):
    def __init__(self, adresa, lat, lon):
        self.adresa = adresa
        self.lat = lat
        self.lon = lon

    def valid(self):
        return self.lat !="" and self.lon != ""


class Acte(GeoLoc):
    nom = ""
    def __init__(self, line):
        super(Acte, self).__init__(line[0], line[1], line[2])
        self.nom = line[3]

问题是我不知道如何获得这个值，例如：

<row num="9" pos="8">

（第 num 和 pos 行的值）以及如何到达该地址

<address label="Adreça">
<![CDATA[Pl Glòries Catalanes 37

我想要这样的东西（我将它用于不同的 xml）：

    sock = urllib.request.urlopen("http://wservice.viabicing.cat/getstations.php?v=1")
    xmlSource = sock.read()
    sock.close()
    root = ET.fromstring(xmlSource)
    estaciones = []
    #obtenemos las estaciones de bicing 
    for element in root.findall('station'):
        elements = []
        if (element.find('streetNumber').text != None):
            elements.append(element.find('street').text + " - " + element.find('streetNumber').text)

Answer 1

您需要使用参数解析 XML：strip_cdata=False 以保留 CDATA，可以使用 .attrib 属性访问标签属性。请查看 lxml docs/tutorial。

parser = etree.XMLParser(strip_cdata=False)
root = etree.XML(sock, parser)

for element in root.findall('.//row'):
    addr = element.find('.//address')
    if addr is not None:
        print element.attrib            
        print addr.text
        print ""